In dit artikel bespreken we hoe we een telplot het gebruik van de seaborn-bibliotheek en hoe de verschillende parameters kunnen worden gebruikt om resultaten af te leiden uit de kenmerken van onze dataset.
Seaborn-bibliotheek
De Seaborn-bibliotheek wordt veel gebruikt door data-analisten en het scala aan plots dat deze bevat, biedt de best mogelijke weergave van onze gegevens.
De Seaborn-bibliotheek kan in onze werkomgeving worden geïmporteerd met behulp van:
import seaborn as sns
Laten we nu bespreken waarom we countplot gebruiken en wat de betekenis is van de parameters ervan.
Telplot
De telplot wordt gebruikt om het aantal keren dat de waarneming aanwezig is in de categorische variabele weer te geven.
Voor de visuele weergave wordt het concept van een staafdiagram gebruikt.
Parameters-
De volgende parameters worden gespecificeerd wanneer we een telplot maken. Laten we er een kort idee van krijgen:
latex lijst
Laten we nu eens kijken wat de verschillende manieren zijn om onze attributen weer te geven.
In het eerste voorbeeld maken we een telplot voor een enkele variabele. We hebben de dataset 'tips' gebruikt om hetzelfde te implementeren.
1. Waarde telt voor één enkele variabele
Voorbeeld -
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()
Uitgang:
ster topologie
In het volgende voorbeeld gebruiken we de tintparameter en maken we een telplot.
Het volgende programma illustreert hetzelfde
2. Twee categorische variabelen weergeven met behulp van de tintparameter
Voorbeeld -
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()
Uitgang:
In het volgende voorbeeld bekijken we de y-as en maken we een horizontaal teldiagram.
Het volgende programma illustreert hetzelfde
3. Horizontale plots maken
Voorbeeld -
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()
Uitgang:
Laten we nu eens kijken hoe kleurenpaletten de presentatie van onze gegevens kunnen verbeteren.
In het volgende voorbeeld gebruiken we de parameter 'palet'.
Python converteert bytes naar string
Het volgende programma illustreert hetzelfde
4. Kleurenpaletten gebruiken
Invoer-
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()
Uitgang:
In het volgende voorbeeld gebruiken we de parameter kleur en laten we zien hoe deze werkt?
Het volgende programma illustreert hetzelfde
5. Gebruik van een parameter 'kleur'
Voorbeeld -
wat is build-essential ubuntu
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()
Uitgang:
Nu zullen we de parameter 'verzadiging' gebruiken en kijken welke invloed deze heeft op de representatie van onze gegevens.
Het volgende programma illustreert hetzelfde
6. Gebruik van de parameter 'verzadiging'
Voorbeeld -
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()
Uitgang:
En ten slotte zullen we in het laatste voorbeeld de parameters gebruiken lijnbreedte En randkleur.
Voorbeeld -
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()
Uitgang: