SEABORD BOXPL

Searorn to moduł Python do tworzenia numerycznych wizualizacji. Opiera się na bibliotece MATPlotlib i szeroko wchodzą w interakcje z plikami nagłówka pandaas. Searorn pomaga użytkownikom w analizie i rozumieniu danych. Jego funkcje wizualizacyjne działają ze strukturą danych i tablic, w tym całymi rekordami, zapewniając wymagane mapowanie semantyczne i zestaw skojarzeń wewnętrznych w celu wygenerowania przydatnych wykresów. Jego źródło danych, jawny interfejs API, pozwala użytkownikom skoncentrować.

W interoperacyjności wydatków Seaorn pozwala użytkownikowi uzyskać dostęp do różnych scenariuszy, takich jak analiza eksploracyjna, faktyczna interaktywność w aplikacjach graficznych i zarchiwizowany wynik w różnych reprezentacjach graficznych i wektorowych.

Wykres pudełkowy ma tendencję do zorganizowania danych statystycznych, aby analizy w ramach parametrów lub nawet w zestawie atrybutów były wyraźniejsze. W przypadku zapewnienia, percentyle i wartości krytyczne dla mediany są pokazane w ramce podstawowej wykresu pudełkowego. Punkty danych to linie poziome, które przebiegają przez środek każdego pola, podczas gdy wąsy reprezentują równoległe linie, które rozszerzają się do najbardziej nadmiernych zestawów danych, a czapki reprezentują linie narysowane przez krawędzie wąsów. Kupplot może być również wykorzystany do znalezienia wartości odstających w danej ramce danych.

Nauczymy się metody rysowania wykresów bocznych przez moduł Seaorn w tym samouczku wskazów Linuksa.

Użycie metody BoxPlot ()

Funkcja boxplot () służy do narysowania wykresu pudełkowego. Zestaw danych IRIS Komórous jest importowany w poniższym przypadku. Pudownia ostatecznie wyświetla najniższe, najwyższe, 1 percentyl i 3 wartości percentyla.

Importuj Seaorn jako SNS
importować matplotlib.Pyplot as Plt
DF = SNS.Load_Dataset („Iris”)
Wydrukuj (DF.głowa())
Sns.boxplot (y = df ["sepal_length"])
plt.pokazywać()

Na początku programu musimy zaimportować biblioteki. Biblioteka „Seaborn” jest importowana jako SNS, a biblioteka „Matplotlib.Pyplot ”został zaimportowany jako PLT. Następnie deklarujemy zmienną o nazwie „DF.„Chcemy załadować dane, więc użyliśmy funkcji obciążenia (). Zestaw danych jest przechowywany w zmiennej „DF”. Używana jest funkcja głowy (). Aby uzyskać pierwsze n wpisy, będziemy używać tej funkcji. W zależności od pozycji obiektu, ta metoda zawiera tylko pierwsze N ​​rekordów. Jest w stanie skutecznie ustalić, czy obiekt zawiera odpowiedni rodzaj danych. Seria wpisów, z których można wybrać.

Teraz stosujemy funkcję BoxPlot () i dostarczyliśmy parametr Y do tej funkcji. Pudownia jest standardową techniką przedstawiania danych wielowymiarowych składających się z pięciu analiz: „minimalnego”, „pierwszego percentyla”, „średniego”, „trzeciego percentyla” i „najwyższego.„Aby pokazać końcowy wykres, PLT.Metoda show () jest stosowana.

Pudownia pozioma

Pozioma wykres może być używany jako pudełka. Zamierzamy narysować pudełko w płaszczyźnie poziomej, jak przedstawiono na rysunku. Ponownie będziemy używać ramki danych IRIS. Wyświetlane odcienie są standardowymi odcieniami; Można je jednak zmienić.

Importuj Seaorn jako SNS
importować matplotlib.Pyplot as Plt
DF = SNS.Load_Dataset („Iris”)
Sns.boxplot (y = df [„gatunek”], x = df [„sepal_length”])
plt.pokazywać()

Przede wszystkim zintegrowaliśmy dwa pliki nagłówka. Plik nagłówka Seaorn i Matplotlib.Pyplot. Zestaw danych obciążenia () jest używany do załadowania zestawu danych na wykresie. W kolejnym etapie dodaliśmy metodę Head (). Ta funkcja zwraca pierwsze pięć klatek zestawu danych według konfiguracji. Istnieje tylko jeden parametr wejściowy: seria wierszy. Ten argument pozwala nam wskazać liczbę wymaganych wartości.

Użyjmy funkcji BoxPlot (), ponieważ może wskazywać na dalsze anomalie i powiązane wartości. Tutaj podaliśmy parametr X i parametr Y do tej funkcji. Etykieta osi y wykresu jest traktowana jako nazwa gatunku, a etykieta osi x wykres. Zastosowaliśmy funkcję show (), aby reprezentować wynikowy wykres.

Dostosuj kolory pudełka

Można dostosować odcienie wykresu pudełkowego. Określając atrybut „palety”, możemy to osiągnąć. Było wiele palet, a paleta „Magma” obejmuje szeroką gamę magmy.

Importuj Seaorn jako SNS
importować matplotlib.Pyplot as Plt
DF = SNS.Load_Dataset („Iris”)
Sns.boxplot (y = df [„gatunek”], x = df [„sepal_length”], palette = „magma”)
plt.pokazywać()

Określamy wariant o nazwie „DF” po wprowadzeniu bibliotek Searn i Matplotlib do programu. Następnie używamy metody load DataSet () do pobierania danych. W zmiennej „DF” zestaw danych jest zapisywany. Metoda Head () zostanie zastosowana. Ta funkcja zostałaby użyta do pozyskiwania pierwszych n elementów.

Teraz zastosujemy metodę BoxPlot (), do której przypisaliśmy parametry X i Y. Wraz z tymi parametrami określiliśmy kolor wykresów pudełkowych. W tym kodzie ustawiliśmy kolor „magmy” na parametrze „paleta”. Plt.Metoda show () służy do zilustrowania formowanego wykresu.

Dostosuj rozmiar pudełka

Opcja szerokości zostanie użyta do zmiany rozmiaru różnych wykresów skrzynek. Standardowa szerokość wynosi 1; Dlatego nieco mniej niż to sprawia, że ​​pudełka jest krótsze.

Importuj Seaorn jako SNS
importować matplotlib.Pyplot as Plt
DF = SNS.Load_Dataset („Iris”)
Sns.boxplot (x = df [„gatunek”], y = df [„sepal_length”], szerokość = 0.2)
plt.pokazywać()

Wymagane biblioteki muszą być załadowane na początku kodu. Zestaw danych w grafice jest ładowany za pomocą metody Load DataSet (). Metoda Head () została zastosowana w kolejnym etapie. Domyślnie ta metoda zapewni pierwsze pięć segmentów zestawu. Zastosujemy metodę BoxPlot () do rysowania wykresów pudełkowych. Ta funkcja została przypisana do parametru X i już cytowanego parametru Y. Określono również szerokość wykresów.

Dlatego zapewniliśmy tę funkcję argument „szerokości”. Oś y wykresu jest oznaczona nazwą gatunku, podczas gdy oś x wykres. Wykorzystaliśmy metodę show () do reprezentowania wykresu wyjściowego.

Wniosek

W tym artefakcie przyjrzeliśmy się, jak rysować wykresy pudełkowe za pomocą biblioteki Seaorn. Widzieliśmy, jak zmienić szerokość i kolory wykresów pudełkowych. Wizualne przedstawienie prezentacji zestawów informacji statystycznych według ich percentyla jest określane jako wykres pudełkowy. Skutecznie zawiera zebrane dane za pomocą pudełka i słupków i umożliwia wszystkim bezpośrednio ocenę zestawów.