Zatrudniony w Seaporn Działka baru

„Searorn opiera się na pakiecie wizualizacji Matplotlib, podstawowej wizualizacji Pythona. Umożliwia programistom stworzenie graficznej wizualizacji za pomocą języka wykonywania Pythona, a także oferuje narzędzie do ładowania danych do R lub Matplotlib. Możesz także wykorzystać dane, aby dowiedzieć się, w jaki sposób wykorzystywane są dane, zrozumieć działalność swojego projektu analitycznego lub uzyskać dokładne zrozumienie różnych sposobów. Możesz zacząć od użycia pandy do zbadania danych."

Co to jest działka baru grubego morskiego

Zatrudniony wykres słupkowy jest formą wykresu, który wizualizuje wartości wielu zmiennych jednocześnie poprzez grupowanie pasków. W tym artykule pokazuje, jak zaprojektować zgrupowany wykres barowy widoczny poniżej w Pythonie za pomocą pakietu wizualizacji Seaorn. Przed tym wszystkim należy zrozumieć następujące pojęcia:

Kiedy mamy dwa parametry, z których jeden to liczba, a druga kategoryczna, wykresy słupkowe są idealne. Korelację między nimi można ujawnić za pomocą barplot. Wykres słupkowy to technika wizualizacji, w której grupa jest reprezentowana przez prostokątne pionowe słupki na osi x i ich działania na osi y. W większości przypadków oś x reprezentuje agregację zmiennej kategorii, która ma być wykreślona, ​​podczas gdy oś y reprezentuje agregatową wartość liczbową. Możemy zobaczyć oś y wykreśloną ze średnią z różnych cech kategorii. Wykres słupkowy przedstawia oszacowanie centralnej tendencji zmiennej numerycznej za pomocą licznych zmiennych zależnych.

W radzeniu sobie z kilkoma zmiennymi kategorii przydatne jest zgrupowany barplot. Zatrudnione wykresy barowe są proste do stworzenia z pakietem wykresów morskich Pythona.

Metoda DataFrame GroupBy () w pandy służy do podziału elementów na klastry składające się z zestawu kryteriów. Pandy można podzielić wzdłuż dowolnej osi. Abstrakcyjna koncepcja grupowania to przypisanie etykiet do grup. Funkcja grupy pandas jest używana do grupowania danych na kategorie i wykonywania tej funkcji w każdej kategorii.

Przykład 1

Tutaj mamy prostą implementację zgrupowanego wykresu baru. Początkowo mamy Matplotlib jako PLT i moduł Seaorn, ponieważ SNS jest dodawany do pliku skryptu Python. Następnie wybraliśmy przykładowy zestaw danych „TIPS” z wbudowanych zestawów danych Pythona. Załadowaliśmy ten zestaw danych w funkcji Seaorn, która reprezentuje SNS.load_dataset (). Wykorzystując kolumny z załadowanego zestawu danych „WISK” w funkcji grupy, która zgrupowała rozmiar dwóch kolumn i płeć z przykładowego zestawu danych.

Wraz z funkcją grupy nazwieliśmy funkcję agregacji. Funkcja agregacji jest stosowana do kolumny „Total_bill.„Funkcja agregacji wykonuje średnią operację w zdefiniowanej kolumnie. Następnie wywoływana jest metoda barplot, która przyjmuje kategorialne parametry x i y dla osi wykresu. Mamy kategoryczne wartości wykresu w różnych odcieniach przy użyciu opcji odcienia jako seksu.

importować matplotlib.Pyplot as Plt
Importuj Seaorn jako SNS
DF = SNS.load_dataset („końcówki”)
df = df.Groupby ([„rozmiar”, „seks”]).AGG (Mean_total_bill = („Total_bill”, „Mean”)))
df = df.RESET_INDEX ()
Sns.Barplot (x = "rozmiar",
y = "Mean_total_bill",
hue = „seks”,
dane = df)
plt.pokazywać()

Poniżej znajduje się zgrupowana wizualizacja barplot.

Przykład 2

Zmieniliśmy pola kolumnowe, aby pokazać wizualizację zgrupowanych wykresów słupkowych z różnymi przypadkami. Wykorzystaliśmy te same wskazówki dotyczące zestawu danych dla zgrupowanego wykresu słupków i dodaliśmy go do funkcji Seaorn Load_Dataset.

Następnie, w ramach funkcji grupy, tym razem przekazaliśmy rozmiar i czas dwóch kolumn i agregowaliśmy średnią kolumny total_bill. Następnie ustawiliśmy parametry x, y i odcień dla barplot. Parametr x dotyczy osi x, który jest ustawiony z kolumną rozmiar. Parametr Hue jest ustawiony z właściwością czasu tutaj z zestawu danych TIPS.

importować matplotlib.Pyplot as Plt
Importuj Seaorn jako SNS
DF = SNS.load_dataset („końcówki”)
df = df.Groupby ([„rozmiar”, „czas”]).AGG (Mean = („Total_bill”, „Mean”)))
df = df.RESET_INDEX ()
Sns.Barplot (x = "rozmiar",
y = „Mean”,
hue = „czas”,
dane = df)
plt.pokazywać()

Drugi zgrupowany wykres słupkowy jest również z powodzeniem renderowany z funkcją agregacji na poniższym rysunku.

Przykład 3

Ten jest trzecią przykładową ilustracją zgrupowanego wykresu paska, ale z inną próbką danych. Wzięliśmy przykładowy zestaw danych z Pythona, który jest reprezentowany jako „anagramy.„Konstruujemy zgrupowany wykres słupkowy kolumn danych anagramów.

Po pierwsze, załadowaliśmy go wewnątrz zmiennej funkcji Load_Dataset pakietu Seaorn, która jest przechowywana w zmiennej DF. Następnie w funkcji grupy, kolumny NUM1 i ATTNR są przekazywane do zgrupowania, a funkcja agregacji ma kolumnę wejściową NUM2, która zwraca średnią z kolumny NUM2. Tutaj przywołuje się barplot, do którego ustawione są pole NUM1 i ATTNR. Właściwość Hue jest ustawiona w kolumnie ATTNR.

importować matplotlib.Pyplot as Plt
Importuj Seaorn jako SNS
DF = SNS.load_dataset („anagrams”)
df = df.Groupby ([„NUM1”, „attnr”]).AGG (Mean_num2 = („NUM2”, „Mean”)))
df = df.RESET_INDEX ()
Sns.BARPLOT (x = "num1",
y = "Mean_num2",
hue = „attnr”,
dane = df)
plt.pokazywać()

Przykład 4

Używamy dodatkowych parametrów dla zgrupowanego wykresu baru. W tym celu wzięliśmy przykładowy zestaw danych Titanic do generowania zgrupowanego wykresu baru. Ustawiliśmy kontekst wykresu, przekazując do niego papierowy wejście. Służy do dostosowania rozmiaru i etykiet dla wykresu. Następnie zdefiniowaliśmy zmienny tytaniczny, do którego ładowany jest zestaw danych Titanic.

Barplot jest wywoływany w środku, a my ustawiliśmy parametry X i Y wraz z opcją Hue, która ma wartości kolumny WHO. Opcja palety służy również do ustawiania kolorów dla wykresu. Mamy tutaj paletę magmy dla zgrupowanej działki. Opcja Capsize, Neatation, ErrColor, ErrWidth i CI są również zdefiniowane dla zgrupowanego barplot.

importować Numpy jako NP
importować pandy jako PD
importować matplotlib.Pyplot as Plt
Importuj Seaorn jako SNS
Sns.set_context („papier”)
Titanic = Sns.Load_Dataset („Titanic”)
Sns.BARPLOT (x = „class”, y = „przeżył”, hue = „kto”, data = Titanic,
palette = 'magma',
CapSize = 0.05,
Nasycenie = 8.5,
errColor = „Gray”, errwidth = 2,
ci = 'sd'
)
plt.pokazywać()

Tutaj wizualizacja zgrupowanego wykresu słupkowego jest pogrupowana przez całą kolumnę, która przetrwała na statku.

Wniosek

To jest ogólny przegląd artykułu Seaborn Gruped Bat Fout. Przeszliśmy przez wiele przykładów wykreślenia zgrupowanej działki z Searorn i Pythonem w tym samouczku. Zaczęliśmy od prostych wykresów, używając różnych ramek danych dla zgrupowanych wykresów słupkowych i dalsze dostosowywanie ich do dodatkowych opcji.