BARPLOPLE SEABORD

„Searorn to pakiet wizualny oparty na Matplotlib. Ma również interaktywny interfejs użytkownika wysokiego poziomu oraz atrakcyjne wizualnie i pouczające wizualizacje analityczne. Dobrze zaprojektowana grafika byłaby po prostu charakterystyczna. Odcienie pop, tekstury skutecznie łączą się, kształty płyną płynnie, a całkowity pakiet nie tylko wygląda bardzo dobrze, ale zapewnia nam również cenne informacje.

Z grubością każdego piksela wykres słupkowy wyświetla wskazanie rozkładu normalnego dla sekwencji wartości i daje znaczną miarę zmienności wokół określonej liczby przy użyciu pasków błędów. Ilekroć 0 jest odpowiednią liczbą parametru numerycznego, ale chcemy również porównać to z tym, wykresy barowe są dobrą strategią.

Wykres punktowy pozwala nam podkreślić zmiany w wartościach jednej lub wielu zmiennych ilościowych w ramach danych, gdy 0 nie byłoby godną uwagi wartością. Należy jednak pamiętać, że wykres słupkowy wyświetla jedynie średnią wartość, podczas gdy w wielu okolicznościach ilustrujących zakres danych w każdym punkcie zmiennych ilościowych będzie bardziej pouczający."

Użyj metody Barplot ()

Wykres słupkowy to wykres, który jest używany do integracji punktów danych przy użyciu różnych metod; Średnia zawsze była domyślna. Można to również postrzegać jako zbiorową reprezentację wizualną poprzez operację. Znajdujemy odpowiedni wiersz skategoryzowany dla osi X i wiersz ilościowy dla osi Y, aby zastosować ten wykres, i obserwujemy, że zapewnia wykres ze średnim rzędu porządkowym. W takim przypadku wykorzystaliśmy funkcję Barplot () do narysowania wykresu słupkowego.

Importuj Seaorn jako SNS
importować matplotlib.Pyplot as Plt
DF = SNS.Load_Dataset („Titanic”)
Sns.BARPLOT (x = „kto”,
y = „Fare”,
dane = df)
plt.pokazywać()

Przede wszystkim wprowadziliśmy wymagane pliki nagłówka. Plik nagłówka Seorborn będzie importowany jako SNS, a Matplotlib.Pyplot zostanie wprowadzony jako PLT. Biblioteka Seaorn zapewnia lepszy interfejs używany do rysowania fascynujących działek statystycznych. Następnie załadowaliśmy ramkę danych zastosowaną do wykresu. Biblioteka Seaorn ma ten zestaw danych. Ogłaszamy zmienną „DF” do przechowywania tego zestawu danych.

Teraz musimy narysować barplot, więc używamy metody BARPlot () biblioteki Seaorn. Otrzymujemy osi x, oś y i zestaw danych jako argumenty do funkcji BARPlot (). W końcu, aby przedstawić wykres, zastosowaliśmy metodę show ().

Oś X wykresu jest oznaczone terminem „kto”, a oś y jest oznaczony przez „Fare."

Dostosował kolor

Możemy dostosować kolor barplot za pomocą parametru palety. Ustawiliśmy wartość koloru za pomocą tego argumentu. Funkcja Barplot () zawiera parametr palety.

Importuj Seaorn jako SNS
importować matplotlib.Pyplot as Plt
DF = SNS.Load_Dataset („Titanic”)
Sns.BARPLOT (x = „kto”,
y = „Fare”,
hue = „klasa”,
dane = df,
palette = "magma")
plt.pokazywać()

Zintegrujemy dwie biblioteki w wierszach początkowych kodu. Plik nagłówka Seaborn zostanie włączony jako SNS i Matplotlib.Pyplot zostanie zintegrowany jako PLT. Moduł Seaorn zawiera różne metodologie, które oferują bardziej przyjazny dla użytkownika interfejs do zdefiniowania wysokiej wizualizacji statystycznej.

Następnie odzyskaliśmy zestaw danych Titanic. Ta ramka danych jest dostępna w pliku nagłówka Seaorn. Tworzymy zmienną o nazwie „DF”, aby przechowywać te dane. Musimy teraz narysować barplot; W ten sposób zastosowaliśmy plik nagłówka Funkcji Barplot (). Parametry funkcji BARPlot () to oś x, oś y, zestaw danych, odcień i palette (). Dostarczono tutaj zarówno wartości osi X, jak i Y. Wybraliśmy również odcienie palet. Na koniec użyliśmy metody show () do zilustrowania wykresu.

W tym wyjściu kolor palet to magma, jak pokazano na poniższym rysunku.

Wskazówki dotyczące barplot

Rama danych TIPS jest używana na wykresie TIPS BARPlot, jak pokazano poniżej. Wyświetla całkowitą ilość końcówek uzyskanych przez płeć. Zastosuje paletę magmy, która zawiera kilka odcieni magmy.

importować Numpy jako NP
importować pandy jako PD
importować matplotlib.Pyplot as Plt
Importuj Seaorn jako SNS
Sns.set_context („papier”)
Wskazówki = SNS.load_dataset („końcówki”)
Sns.BARPLOT (x = „dzień”, y = „total_bill”, hue = „seks”, dane = wskazówki,
palette = 'magma', edgecolor = 'w')
porady.Groupby ([„dzień”, „seks”]).mieć na myśli()
plt.pokazywać()

Na początku programu importowaliśmy Numpy jako NP, Pandy jako PD, Matplotlib.Pyplot jako PLT i Seaorn jako SNS. Biblioteki te zapewniają metodologie rysowania wykresów. Teraz zastosowaliśmy funkcję kontekstu () biblioteki morskiej. Ta funkcja zapewnia wartość parametru na podstawie kontekstu. Teraz użyliśmy metody funkcji load_dataset () do pozyskiwania ramy danych „TIPS.„Ta ramka danych jest powiązana z plikami nagłówka Seaorn. BARPlot jest rysowany za pomocą metody BARPlot () biblioteki Seaorn Biblioteka. Ta funkcja ma różne parametry, w tym oś x, oś y, odcień, danych, palety i krawędzi.

Dostosowaliśmy wartość osi x do „dnia”, wartości osi Y jako „total_bill”, wartość odcienia jako „płci”, wartość koloru palety jako „magma” i kolor krawędzi jako „w.„Grupujemy również dane z wykresu baru, używając parametru„ dzień ”i„ seksu.”Następnie używana jest funkcja (). Ta funkcja jest stosowana w celu ustalenia średniej podanej listy różnych wartości. Możemy uzyskać średnią ramkę danych podaną jako argumenty. Aby wizualizować wykres słupkowy, zastosowaliśmy funkcję show ().

Wyżej wymieniony kod jest pomyślnie wykonywany. Oś X fabuły pokazuje nazwy czterech dni powszednie, a oś y pokazuje wartość całkowitego rachunku.

Wniosek

Z pomocą różnych przypadków ten artykuł pokazuje metody tworzenia barplot w Pythonie wykorzystującym Searorn. Związek między parametrem ilościowym a kategorycznym jest zilustrowany przez barplot. Każda kategoryczna jednostka danych jest przedstawiona przy użyciu paska. Wartość liczbowa wyraża wymiar paska. Możemy dostosować kolor barplot. Narysowaliśmy losplot za pomocą metody BARPlot ().