V tomto článku budeme diskutovať o tom, ako môžeme vytvoriť a počítanie grafu pomocou knižnice seaborn a ako sa dajú použiť rôzne parametre na odvodenie výsledkov z funkcií nášho súboru údajov.
Seaborn knižnica
Knižnica z mora je široko používaná medzi analytikmi údajov, galaxia grafov, ktoré obsahuje, poskytuje najlepšiu možnú reprezentáciu našich údajov.
Morskú knižnicu je možné importovať do nášho pracovného prostredia pomocou
import seaborn as sns
Poďme si teraz povedať, prečo používame countplot a aký význam majú jeho parametre.
Počítadlo
Graf počtu sa používa na vyjadrenie výskytu (počtov) pozorovania prítomných v kategorickej premennej.
java escape znak
Na vizuálne zobrazenie používa koncept stĺpcového grafu.
Parametre-
Nasledujúce parametre sú špecifikované pri vytváraní počítacieho grafu, získajme o nich stručnú predstavu-
Teraz sa pozrime, aké sú rôzne spôsoby reprezentácie našich atribútov.
V prvom príklade vytvoríme graf počtu pre jednu premennú. Na implementáciu toho istého sme použili „tipy“ súboru údajov.
1. Hodnota sa počíta pre jednu premennú
Príklad -
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()
Výkon:
V ďalšom príklade použijeme parameter hue a vytvoríme countplot.
Nasledujúci program ilustruje to isté -
2. Reprezentácia dvoch kategorických premenných pomocou parametra odtieňa
Príklad -
urobiť skript shellu spustiteľný
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()
Výkon:
V ďalšom príklade budeme brať do úvahy os y a vytvoríme horizontálny graf.
java matematika
Nasledujúci program ilustruje to isté -
3. Vytváranie horizontálnych grafov
Príklad -
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()
Výkon:
Poďme sa teraz pozrieť na to, ako môžu farebné palety zlepšiť prezentáciu našich údajov.
V ďalšom príklade použijeme parameter 'paleta'.
Nasledujúci program ilustruje to isté -
4. Používanie farebných paliet
Vstup-
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()
Výkon:
V ďalšom príklade použijeme parameter color a pozrime sa, ako to funguje?
Nasledujúci program ilustruje to isté -
1 z 1000
5. Použitie parametra „color“
Príklad -
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()
Výkon:
Teraz použijeme parameter „saturácia“ a uvidíme, ako to ovplyvní reprezentáciu našich údajov.
Nasledujúci program ilustruje to isté -
6. Použitie parametra „sýtosť“
Príklad -
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()
Výkon:
triediace pole v jazyku Java
A nakoniec v poslednom príklade použijeme parametre šírka čiary a edgecolor.
Príklad -
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()
Výkon: