Tässä artikkelissa keskustelemme siitä, kuinka voimme luoda a laskentakaavio käyttämällä meressä syntynyttä kirjastoa ja kuinka eri parametrien avulla voidaan päätellä tuloksia tietojoukkomme ominaisuuksista.
Seabornin kirjasto
Meressä syntynyttä kirjastoa käytetään laajasti data-analyytikoiden keskuudessa, ja sen sisältämä tonttigalaksi tarjoaa parhaan mahdollisen esityksen tiedoistamme.
Merellä syntynyt kirjasto voidaan tuoda työympäristöömme käyttämällä
import seaborn as sns
Keskustellaan nyt siitä, miksi käytämme countplotia ja mikä on sen parametrien merkitys.
Countplot
Laskentakaaviota käytetään edustamaan kategorisessa muuttujassa olevan havainnon esiintymistä (määrät).
Se käyttää visuaaliseen kuvaamiseen pylväskaavion käsitettä.
kokeile tietorakennetta
Parametrit -
Seuraavat parametrit määritetään, kun luomme laskentakaaviota, saamme niistä lyhyen kuvan -
Katsotaanpa nyt, mitkä ovat erilaiset tavat edustaa ominaisuuksiamme.
Ensimmäisessä esimerkissä luomme laskentakaavion yhdelle muuttujalle. Olemme ottaneet tietojoukon 'vinkkejä' toteuttaaksemme saman.
1. Arvo laskee yhdelle muuttujalle
Esimerkki -
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'tips' df=pd.read_csv('/content/tips.csv') #plotting the graph sns.countplot(x='sex',data=df) plt.show()
Lähtö:
Seuraavassa esimerkissä käytämme sävyparametria ja luomme laskentakaavion.
Seuraava ohjelma havainnollistaa samaa -
2. Kahden kategorisen muuttujan esittäminen sävyparametrilla
Esimerkki -
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'tips' df=pd.read_csv('/content/tips.csv') #plotting the graph sns.countplot(x='sex',hue='smoker',data=df) plt.show()
Lähtö:
Seuraavassa esimerkissä tarkastelemme y-akselia ja luomme vaakasuuntaisen laskentakaavion.
Seuraava ohjelma havainnollistaa samaa
3. Vaakakuvien luominen
Esimerkki -
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'tips' df=pd.read_csv('/content/tips.csv') #plotting the graph sns.countplot(y='sex',hue='smoker',data=df) plt.show()
Lähtö:
Katsotaanpa nyt, kuinka väripaletit voivat parantaa tietojemme esitystapaa.
Seuraavassa esimerkissä käytämme parametria 'paletti'.
Seuraava ohjelma havainnollistaa samaa
4. Väripalettien käyttö
syöttö-
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'tips' df=pd.read_csv('/content/tips.csv') #plotting the graph sns.countplot(x='sex', data=df, palette='Set1') plt.show()
Lähtö:
Seuraavassa esimerkissä käytämme parametrin väriä ja katsotaan kuinka se toimii?
Seuraava ohjelma havainnollistaa samaa
5. Parametrin 'väri' käyttäminen
Esimerkki -
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'train' df=pd.read_csv('/content/train.csv') #plotting the graph sns.countplot(x='Pclass',hue='Sex', data=df, color='green') plt.show()
Lähtö:
Nyt käytämme parametria 'kylläisyys' ja katsomme, kuinka se vaikuttaa tietojemme esittämiseen.
java bool merkkijonoon
Seuraava ohjelma havainnollistaa samaa
6. Parametrin 'kylläisyys' käyttäminen
Esimerkki -
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'train' df=pd.read_csv('/content/train.csv') #plotting the graph sns.countplot(x='Pclass',data=df, color='green', saturation=0.1) plt.show()
Lähtö:
Ja lopuksi viimeisessä esimerkissä käytämme parametreja viivan leveys ja reunaväri.
Esimerkki -
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'train' df=pd.read_csv('/content/train.csv') sns.countplot(x='Sex', data=df, color='green', facecolor=(0,0,0,0), linewidth=5, edgecolor=sns.color_palette('BrBG',2)) plt.show()
Lähtö: