Seaborn Jointplot
Variansanalysen refererer til en spesifikk parameter. Den evaluerer og illustrerer relevante avvik i dataene, mens multiple regresjon evaluerer koblingene mellom forskjellige variasjoner og intensiteten til den assosiasjonen. Seaborn -modulen er JointPlot () Metode beregner en spredningsgraf som inneholder distinkte histogrammer ved plottets øvre kant og høyre side. I denne delen vil vi snakke om hvordan du tegner Jointplots.
Bruk JointPlot () -metoden
Vi vil bruke JointPlot () metode for å lage jointplots. Grafen i dette trinnet indikerer en spredningsgraf som har doble histogrammer ved kartets kanter. Grafen viser at feltene "total regning" og "tips" ser ut til å ha en positiv assosiasjon. Når en parameterverdi øker, vil også en annen.
Selv om merkene på diagrammet er spredt, virker korrelasjonsverdien beskjeden. De relative histogrammer er rette fordi de fleste oppføringer er begrenset til venstre halvdel av spredningen. Imidlertid er høyre halvdel bredere.
Importer sjøborn som SNSImporter matplotlib.Pyplot som Plt
TIPS = SNS.LOAD_DATASET ('TIPS')
sns.JointPlot (x = 'total_bill', y = 'tip', data = tips, høyde = 10, forhold = 4, plass = 1)
plt.forestilling()
I starten av programmet introduserte vi Seaborn og Matplotlib.Pyplot -biblioteker. Seaborn vil bli importert som SNS, og matplolib.Pyplot vil bli importert som PLT. Deretter vil vi hente dataene fra "tips" ved å bruke funksjonen LOAD_DATASET (). Seaborn -modulen holder denne funksjonen. De hode() Funksjon kalles. Vi har brukt JointPlot () Metode for Seaborn Library. Denne funksjonen brukes til å tegne leddplottene. Vi har gitt bildetekstene til både akser, datasett, høyden på plottet, forholdet og plassen som parametrene til JointPlot () -metode. Til slutt, den forestilling() funksjon av matplotlib.Pyplot vil bli brukt for å skildre grafen.
Tegn en JointPlot med et fargevalg
Ved å spesifisere "fargetone" -argumentet til "røyker", vil variablene for røykere bli vist i distinkte fargetoner i dette eksemplet. Se på hvor lett de to komponentene i "røykeren" skilles. Tetthetsplott presenteres over begge grenser, snarere enn histogrammer, for å illustrere datarrepresentasjonen for flere kategorier av fargeparameteren uavhengig.
Importer sjøborn som SNSImporter matplotlib.Pyplot som Plt
TIPS = SNS.LOAD_DATASET ('TIPS')
sns.JointPlot (x = 'total_bill', y = 'tip', data = tips, fargetone = 'røyker')
plt.forestilling()
Vi innlemmet Seaborn og Matplotlib.Pyplot -biblioteker i begynnelsen av programmet. SNS vil bli brukt til å importere sjøborn, og på samme måte vil PLT bli brukt til å importere matplotlib.Pyplot. Deretter bruker vi metodebelastningsdatasettet for å få dataene for "tips" -variabelen. Dette er en metode for Seaborn -pakken. De Head () Metode vil bli brukt. Seaborn -biblioteket JointPlot () Funksjonen har blitt brukt. Jointplots tegnes mens du bruker denne metoden. Som argumenter for funksjonen JointPlot (), Vi har gitt titler for både X- og Y-Axis, datarammen og fargetone. "Hue" -parameteren bestemmer plottets fargetone. Til slutt, med hjelp av matplotlib.Pyplot's forestilling() Metode, diagrammet vises.
Tegn en regresjonslinje
En skråning av linjen skildrer forholdet mellom forskjellige variabler. Kurven er trukket. Dermed ville det være så nær som mulig for de fleste datasett. Regresjonslinjen beregnes ved hjelp av numeriske metoder, og vi kan bruke dette uttrykket for å bestemme variablene. Når argumentet “snill” er tilordnet “reg”, er det JointPlot () metoden påberopes. En regresjonslinje opprettes på grafen. Regresjonslinjen brukes til å indikere forskjellige ytelsestiltak.
Importer sjøborn som SNSImporter matplotlib.Pyplot som Plt
TIPS = SNS.LOAD_DATASET ('TIPS')
sns.JointPlot (x = 'total_bill', y = 'tip', data = tips, art = 'reg')
plt.forestilling()
Først importerte vi de nødvendige overskriftsfilene: Seaborn som SNS og Matplotlib.Pyplot som Plt. La oss laste inn det innebygde datasettet med tips ved hjelp av LOAD_DATASET (). Denne funksjonen er assosiert med Seaborn -pakken. Vi har brukt hode() metode. Deretter vil vi tegne leddplottene ved å bruke JointPlot () Metode for Seaborn Library. Denne funksjonen inneholder forskjellige parametere, som inkluderer tittelen på x-aksen som "total_bill", y-aksen som "tips", data om tips og slag.
Vi har satt verdien av argumentet "snill" som "reg" for å tegne regresjonslinjen på grafen. Vi kaller nå forestilling() Funksjon for å illustrere den resulterende grafen.
Tegn 2D -histogram
Det "snille" argumentet i det forrige programmet vil bli spesifisert som "HIST", og JointPlot skildrer et 2D -histogram. Frekvensanalysen for to påfølgende nominelle variabler brukes i et 2D -histogram. Lengden på linjene i et 1D -histogram gjenspeiler totalen. I et 2D -histogram viser hver stolpe i grafen en mellomtid og inkluderer den kumulative sannsynligheten for forekomst av oppføringene i begge kategoriene. Primærdiagrammet består av firkantede segmenter som har blitt farget i et spekter.
Importer sjøborn som SNSImporter matplotlib.Pyplot som Plt
TIPS = SNS.LOAD_DATASET ('TIPS')
sns.JointPlot (x = 'total_bill', y = 'tip', data = tips, art = 'hist')
plt.forestilling()
Etter å ha introdusert bibliotekene Seaborn og Matplotlib.Pyplot med støtte fra LOAD_DATASET (), Vi vil laste inn de innebygde datapunktene for tips. Seaborn -modulen er koblet til denne metoden. De hode() funksjonen ble brukt.
Deretter bruker vi JointPlot () Funksjon av Seaborn -pakken for å lage JointPlots. Denne metoden har flere parametere, inkludert X-Axis-etiketten til "Total Bill", Y-Axis-etiketten "TIP", Data of Tips og Kind. For å tegne et todimensjonalt histogram, definerer vi verdien av parameteren “Kind” til “Hist”. Vi har brukt forestilling() Metode for å visualisere det endelige diagrammet.
Konklusjon
Vi har diskutert flere tilnærminger for å tegne Jointplots ved hjelp av Seaborn -pakken. Ved å gi numerisk verdi til de aktuelle argumentene til join conv () metode, Vi kan endre dimensjonen til diagrammet, andelen akser, koordinatens høyde og avstanden mellom x og y-aksen. På Jointplots kan vi endre grafens oppsett og legge til regresjonslinjen.