Šiame straipsnyje aptarsime, kaip galime sukurti a skaičiavimo brėžinys naudojant jūros biblioteką ir kaip naudojant skirtingus parametrus galima daryti išvadas iš mūsų duomenų rinkinio ypatybių.
Android telefono nustatymų meniu
Seaborn biblioteka
Jūroje gimusi biblioteka yra plačiai naudojama tarp duomenų analitikų, o joje esanti sklypų galaktika geriausiai atspindi mūsų duomenis.
Jūroje gimusią biblioteką į mūsų darbo aplinką galima importuoti naudojant
import seaborn as sns
Dabar aptarkime, kodėl naudojame skaičiavimo diagramą ir kokia yra jo parametrų reikšmė.
Skaičiavimas
Skaičiavimo grafikas naudojamas kategoriškame kintamajame esantiems stebėjimo įvykiams (skaičiams) pavaizduoti.
Vizualiniam vaizdavimui naudojama juostinės diagramos koncepcija.
Parametrai -
Kuriant skaičiavimo diagramą nurodomi šie parametrai, trumpai apžvelgsime juos -
Dabar pažiūrėkime, kokie yra skirtingi mūsų savybių vaizdavimo būdai.
Pirmajame pavyzdyje sukursime vieno kintamojo skaičiavimo diagramą. Mes ėmėmės duomenų rinkinio „patarimų“, kad įgyvendintume tą patį.
mašinraščio rodyklės funkcija
1. Reikšmė skaičiuojama vienam kintamajam
Pavyzdys -
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()
Išvestis:
Kitame pavyzdyje naudosime atspalvio parametrą ir sukursime skaičiavimo diagramą.
Toliau pateikta programa iliustruoja tą patį -
2. Dviejų kategorinių kintamųjų atvaizdavimas naudojant atspalvio parametrą
Pavyzdys -
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()
Išvestis:
Kitame pavyzdyje apžvelgsime y ašį ir sukursime horizontalų skaičiavimo diagramą.
Toliau pateikta programa iliustruoja tą patį -
3. Horizontalių sklypų kūrimas
Pavyzdys -
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()
Išvestis:
Dabar pažiūrėkime, kaip spalvų paletės gali pagerinti mūsų duomenų pateikimą.
Kitame pavyzdyje naudosime parametrą 'paletė'.
Java kodo pavyzdžiai
Toliau pateikta programa iliustruoja tą patį -
4. Spalvų palečių naudojimas
įvestis-
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()
Išvestis:
Kitame pavyzdyje naudosime parametro spalvą ir pažiūrėkime, kaip tai veikia?
Toliau pateikta programa iliustruoja tą patį -
5. Parametro „spalva“ naudojimas
Pavyzdys -
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()
Išvestis:
Dabar naudosime parametrą „sotumas“ ir pamatysime, kaip jis paveiks mūsų duomenų atvaizdavimą.
Toliau pateikta programa iliustruoja tą patį -
6. Parametro „sotumas“ naudojimas
Pavyzdys -
lygiavertiškumo dėsniai
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()
Išvestis:
Ir galiausiai paskutiniame pavyzdyje naudosime parametrus linijos plotis ir krašto spalva.
Pavyzdys -
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()
Išvestis: