Seaborn Barplot flere kolonner

“Vi vil gå over ved å bruke Seaborn Bar -plottet i maskinlæringsvitenskapsprosjektene dine i denne artikkelen. Vi vil se på strukturen til Seaborns SNS.Barplot () -funksjon og se noen eksempler på hvordan du bruker den til å lage bardiagrammer flere kolonner på forskjellige måter ved å endre dens parametere.

En bar plot er blant de mest fremtredende grafene for å representere den kvantitative gruppering av statistikk med rektangulære blokker for flere kategorier. Koblingen mellom forskjellige datavariabler er avbildet ved hjelp av en multiple songraf. Hver dataverdi er representert med en annen kolonne i grafen. Flere barplott brukes i hovedsak til å sammenligne forskjellige ting. SNS.Barplot () -funksjon plotter en søylediagram med hver stolpe som representerer samlede data for hver gruppe. Det beregner gjennomsnittet for hver gruppe som standard. Dette indikerer at størrelsen på hver stolpe tilsvarer kategorens middel.

Begrepet “Multi-Bar-plot” refererer til et plott med flere barer. Gruppert bar plot er et annet navn for det. I Seaborn er en gruppert barplot nyttig når du arbeider med flere kategoribariabler. Grupperte bardomter er enkle å lage med Pythons sjøkartpakke.”

Syntaks av barplottet i Seaborn

Syntaks:

Seaborn.BarPlot (x = ingen, y = ingen, fargetone = ingen, data = ingen, orden = ingen, Hue_order = ingen, enheter = ingen, orient = ingen, errwidth = ingen, capsize = ingen, øks = ingen, kwargs)

Hver parameter beskrivelse gitt til Barplot -metoden er som følger.

x, y og fargetone: Funksjonens argumenter er lagret i denne variabelen.

data: Seaborn -datasettet eller DataFrame som er opprettet som vil bli brukt til å plotte barplottet blir passert her.

Bestill, Hue_Order: Plotting av kategoriske variabler bør gjøres i denne rekkefølgen.

Estimator: Kategorien bestemmes ved hjelp av denne statistiske funksjonen.

Orient: Vi kan velge om plottet skal være vertikalt eller horisontalt her.

farge: Dette alternativet bestemmer fargen på alle elementer.

palett: Fargene som brukes i tomter bestemmes av dette alternativet.

øks: Det er her visualiseringen er plottet på aksene.

Eksempel 1

Vi kan lage flere kolonner i barplottet ved å bruke Seaborn Function Group Bar. Groupby () -metoden i pandaer brukes til å dele opp data i grupper avhengig av spesifiserte kriterier.

I det følgende eksempelskriptet har vi tatt med Matplotlib -biblioteket og Seaborn -modulen for å planlegge flere kolonner ved hjelp av Barplot. Nå må vi lage dataene for plotting. For dette har vi satt inn dataene fra Titanic -datasettet fra Seaborn. Eksempel på datasett Titanic lastes deretter inne i Load_Dataset -konstruktøren.

Deretter har vi påkalt GroupBy -funksjonen der PClass og overlevde kolonner føres fra Titanic -funksjonen. Vi har også brukt aggregering av kolonnealderen fra Titanic Dataset. Denne funksjonen vil gruppere disse kolonnene. Inne.

Importer matplotlib.Pyplot som Plt
Importer sjøborn som SB
DF = SB.LOAD_DATASET ('Titanic')
df = df.Groupby (['Pclass', 'Survived']).AGG (Mean = ("Alder", 'Mean'))
df = df.reset_index ()
SB.barplot (x = "pclass",
y = "mener",
Hue = "Overlevd",
data = df)
plt.forestilling()

Barplottet med flere kolonner visualiseres som følger:

Eksempel 2

I den ovennevnte stangplottet har vi to kolonner gruppert for å generere en stangplott. Vi kan ta mer enn to kolonner for å gruppere sammen. For det første legges modulene lagt til Seaborn -skriptet for å konstruere plott. Etter det kalles eksemplet datasett -tipsene i Seaborn -funksjonen Load_Dataset.

Deretter har vi en Groupby -funksjon i variabelen DF som størrelsen og dagen på kolonnene er gitt for gruppering. Også aggregeringsmetoden brukes i denne variabelen. Kolonnespissen er tilordnet aggregeringsfunksjonen, som returnerer gjennomsnittet av kolonnespissen. Deretter har vi en Barplot -funksjon inni som vi har X- og Y -parametere og setter størrelsen og Mean_Tip til disse kategoriske parametrene.

Her har vi introdusert en annen valgfri parameter Hue som er satt med dagskolonnen. Plt.Vis brukes til å vise bar plot -figuren.

Importer matplotlib.Pyplot som Plt
Importer sjøborn som SNS
df = sns.LOAD_DATASET ('TIPS')
df = df.Groupby (['størrelse', 'dag']).AGG (Mean_Tip = ("Tip", 'Mean'))
df = df.reset_index ()
sns.barplot (x = "størrelse",
y = mean_tip,
Hue = "Dag",
data = df)
plt.forestilling()

Her har vi vist Barplot Multiple Column Visualization of Tip's Dataset.

Eksempel 3

Som vi har brukt Groupby -funksjonen for å vise Barplot flere kolonner. Bare spesifiser de tre parametrene x, y og fargetone for å generere stangplottet i flere kolonner. Så la oss begynne med å legge til Python -modulene for å plotte flere stolper på plottet. Eksempel på datasett iris brukes her for å plotte. Deretter kalte vi ganske enkelt Barplot og passerte tre kolonner fra henholdsvis iris til henholdsvis X-, Y- og HUE -alternativene.

Importer matplotlib.Pyplot som Plt
Importer sjøborn som SNS
df_titanic = sns.LOAD_DATASET ("Iris")
sns.barplot (x = "sepal_length", y = "sepal_width", hue = "art", ci = "sd", capsize = 0.09, data = DF_TITANIC)
plt.forestilling()

Barplottet med flere kolonner er gjengitt inne i figuren som følger:

Eksempel 4

Nå vil vi generere flere kolonner ved å bruke den sjøbornede catplot. I det følgende eksemplet har vi satt inn prøvedatasetttipsene fra Seaborn i funksjonen LOAD_DATASET. Vi har passert X-, Y- og Hue -attributtene til catplot -funksjonen. X -inngangen har satt med dagskolonnen, Y -inngangen tar spisskolonnen, og fargetoneinngangen er satt med røykeren. Til catplot -funksjonen har vi satt den snille parameteren til stolpe. Dette vil plotte barplottet her. Paletten er også klar for barplottet.

Importer matplotlib.Pyplot som Plt
Importer sjøborn som SNS
TIPS = SNS.LOAD_DATASET ("TIPS")
Bar = SNS.catplot (x = "dag", y = "tip",
Hue = "Røyker",
data = tips, snille = "bar", palette = "accent_r");
plt.forestilling()

Bar plott flere kolonner er her gjengitt fra catplot -funksjonen.

Konklusjon

Vi undersøkte “Seaborn Bar Plot flere kolonner” i denne Python -opplæringen og så på syntaksen til barplottet. Vi har også diskutert parametrene som sendes inne i Barplot -funksjonen. Seaborn -biblioteket ga oss flere eksempler her på hvordan du lager bardiagrammer med flere kolonner ved å bruke Groupby -funksjonen. Vi lærte også hvordan vi bruker Seaborns Catplot () -funksjon for å lage flere barplott.