Seaborn flere tomter

I denne Linux Hint -opplæringen vil vi gå gjennom hvordan du tegner flere tomter i Seaborn Framework. Dette er en levedyktig tilnærming for å lage mange versjoner av den samme grafen ved å bruke forskjellige datasett. Det gjør det mulig for en bruker å hente en stor mengde data fra et komplisert sett på kort tid. Vi vil bruke FacetGrid () -metoden i Seaborn for å tegne flere grafiske representasjoner i et enkelt grensesnitt. FacetGrid er en metode for å lage matriser avhengig av en metode. Det hjelper skildringen av både spredning av en spesifikk faktor og korrelasjonen mellom forskjellige parametere. Objektet tar som et argument et sett med data og verdiene til parametrene for å bestemme fargetonene, raden og kolonnen i rutenettet.

Eksempel 1

Vi vil bruke dataene, som leveres som en integrert dataramme i Seaborn -pakken, for å konfigurere plott og dimensjoner, men det vil ikke vise noe annet på disse tomtene. Den grunnleggende funksjonaliteten er tilnærmet identisk med FaceTrid. Vi lager først rutenettet og gir CREATE -funksjonaliteten til en visningsmetode, som utføres for hvert delplot. Koden er vedlagt her, og den ble implementert i Windows CMD ved å installere Python og relaterte biblioteker.

Importer sjøborn som SNS
Importer numpy som NP
Importer pandaer som PD
Importer matplotlib.Pyplot som Plt
TIPS = SNS.LOAD_DATASET ("TIPS")
g = sns.FacetGrid (tips, col = "Time")
plt.forestilling()

I begynnelsen av koden har vi importert noen påkrevde biblioteker Seaborn som SNS, Numpy som NP, Pandas som PD og Matplotlib.Pyplot som Plt. Nå vil vi hente datarammen, så vi har brukt Load_Dataset () -metoden. Og vi har gitt tips som et argument for denne funksjonen. For å skildre enkle flere tomter, har vi kalt FACEGRID () -metoden. Vi har gitt tips og col til denne funksjonen som dens parametere. Til slutt måtte vi vise plottet, så vi brukte Show () -metoden.

Seaborn FacetGrid

Eksempel 2

I denne situasjonen vil vi tegne spredningsplottet ved å bruke sprednings -metoden () metoden. Vi kan bruke FacetGrid () -modulen for å lage mange grafer. Den viser hvert felt av et datasett til settet med antall matrise, og viser forskjellige dimensjoner. For ordinære attributter kan vi bruke Hue -attributtet, med hver tone som indikerer en egen kategori. Koden er vedlagt her, og den ble implementert i Windows CMD ved å installere Python og relaterte biblioteker.

Importer sjøborn som SNS
Importer numpy som NP
Importer pandaer som PD
Importer matplotlib.Pyplot som Plt
TIPS = SNS.LOAD_DATASET ("TIPS")
g = sns.FacetGrid (tips, Col = "Sex", Hue = "Smoker")
g.Kart (SNS.scatterplot, "total_bill", "tip", alfa =.8)
g.add_legend ()
plt.forestilling()

Etter å ha introdusert overskriftsfilene Seaborn, Numpy, Pandas og Matplotlib.Pyplot. Vi kommer til å laste inn datarammen for tips. Så Load_Dataset () -funksjonen vil bli brukt. Denne funksjonen er relatert til Seaborn -pakken. Og vi har gitt "tips" som en attributt til denne funksjonen.

Nå vil vi tegne flere grafer, så vi har brukt FacetGrid () -metoden til Seaborn -modulen. Denne funksjonen inneholder forskjellige parametere. Tipsene, verdiene til COL og Hue er gitt som attributter. Vi ønsker å tegne spredningsgrafen, så i neste trinn kaller vi funksjonen spredt (). Sammen med dette spesifiserer vi også verdien av alfa som argumentet for funksjonsscatterplot ().

For å sette inn legenden på grafen, har vi utført Add_Legend () -metoden. Til slutt har vi brukt Show () -metoden for bare å representere den ferdige plottet på skjermen.

FacetGrid med Hue

Eksempel 3

Vi vil tegne flere KDE -tomter i dette tilfellet ved hjelp av KDEplot () -metoden. Verdiene i datasettet brukes til å bestemme standardarrangementet for elementene. Sekvensen av kategoriene er distribuert hvis parameteren som brukes for å lage aspekter har en kategorisert sortering.

Alternativt vil aspektene vises på den måten at attributtnivåene eksisterer. Selv om det tilsvarende *_order -argumentet kan brukes til å gi indeksering av enhver aspektkomponent. Koden er vedlagt her, og den ble implementert i Windows CMD ved å installere Python og relaterte biblioteker.

Importer sjøborn som SNS
Importer numpy som NP
Importer pandaer som PD
Importer matplotlib.Pyplot som Plt
TIPS = SNS.LOAD_DATASET ("TIPS")
bestilt_dager = tips.dag.Value_Counts ().indeks
g = sns.FacetGrid (tips, ROW = "DAG", ROW_ORDER = BESTILLET_DAGER,
Høyde = 1.8, aspekt = 5)
g.Kart (SNS.kdeplot, "total_bill")
plt.forestilling()

Først av alt integrerer vi overskriftsfilene Seaborn som SNS, Numpy som NP, Pandas som PD og Matplotlib.Pyplot. I neste trinn får vi tilgang til en tips dataramme. Som et resultat vil Load_DataSet () -metoden for Seaborn Framework bli kalt. Og vi har tildelt denne metoden parameteren “tips”. Vi har brukt FacetGrid () -metoden og laget mange grafer. Seaborn -modulen inneholder denne funksjonen.

Som attributter, tips, rad, rad_ordre, høyde og aspekt er spesifisert. Radene på plottet viser dagene. Høydenes verdi vil være 1.8, og aspektet vil være 5. For å illustrere KDE -plottet har vi kalt KDEPLOT () -funksjonen til Seaborn -pakken. Etter det brukte vi showet () for å bare skildre grafen.

Eksempel 4

Vi skal tegne flere tomter ved å kalle funksjonen FacetGrid (). I dette scenariet ønsker vi å skildre regresjonsplottet, så vi vil bruke regplot () -funksjonen. Konstruktøren godtar flere parametere for å tilpasse nettets oppsett. Koden er vedlagt her, og den ble implementert i Windows CMD ved å installere Python og relaterte biblioteker.

Importer sjøborn som SNS
Importer numpy som NP
Importer pandaer som PD
Importer matplotlib.Pyplot som Plt
TIPS = SNS.LOAD_DATASET ("TIPS")
g = sns.FacetGrid (tips, rad = "røyker", col = "tid", margin_titles = true)
g.Kart (SNS.regplot, "størrelse", "total_bill", color = ".4 ", fit_reg = falsk, x_jitter =.2)
plt.forestilling()

Her skal vi innlemme de nødvendige bibliotekene Seaborn, Numpy, Pandas, Matplotlib.Pyplot. Nå må vi skaffe datarammen, så vi må bruke Load_Dataset () -metoden til Seaborn Header -filen. FacetGrid () -metoden brukes til å representere mange kart slik at vi vil påkalle denne funksjonen. Vi spesifiserer verdien av det nye attributtet “Margin_titles” som sant.

Så ønsker vi å tegne regresjonsplottene, så vi har ringt Regplot () -metoden. Denne funksjonen inneholder parametrene inkludert størrelse, total_bill, farge, fit_reg og x_jitter. De bestilte dagene vil vise indeksen for verdi_count (). Show () -funksjonen til Seaborn -pakken vil bli brukt for å illustrere plottet.

Konklusjon

I denne artikkelen har vi undersøkt hvordan vi tegner flere tomter ved hjelp av funksjonen FacetGrid () av ​​Seaborn -pakken i Python. Ved å bruke sine respektive funksjoner kan forskjellige varianter av flere tomter trekkes. Når vi har tenkt å illustrere spredningen av en parameter eller assosiasjonen innen mange faktorer manuelt gjennom undergruppene av originaldataene, kommer FaceTgrid -modulen veldig nyttig.