Wykres rozproszony morski

„Seborn to wspaniała technika wizualizacji pyhonu do wyświetlania reprezentacji analitycznych. Obejmuje atrakcyjne standardowe style i żywe kolory, które tworzą grafy statystyczne, które są bardzo urzekające. Jest zaimplementowany na początku ram MATPlotlib i jest ściśle powiązany z modułami Pandy. Wykresy rozrzutu są wykorzystywane z różnymi kategoriami semantycznymi, aby pomóc w analizie wizualnej. Może to stworzyć dwuwymiarowe wizualizacje, które można rozszerzyć, przekładając się na różne parametry i wykorzystując „semantykę atrybutów koloru, rozmiaru i układu.

Wszystkie cechy wpływają na interpretację optyczną, którą można wykorzystać do rozróżnienia między podzbiorami. Jeśli chodzi o efektywniejsze tworzenie wizualizacji, zastosowanie zbędnych interpretacji będzie przydatne. W tym artykule przeszliśmy przez kilka podejść stosowanych do rysowania wykresów rozrzutu za pomocą biblioteki Seaorn."

Użyj funkcji Scatterplot ()

Zastosowaliśmy metodę Scatterplot () do utworzenia wykresu rozrzutu. Tutaj w wykresie rozrzutu używany jest zestaw danych. Byłby to zbiór danych TIP w zależności od ogólnego rachunku. W przypadku wykresu możemy wykorzystać dowolną ramkę danych. Kod jest zapisywany w systemie Windows CMD i wyświetlany w następujący sposób.

Po pierwsze, zaimportowano niewiele wymaganych bibliotek. Biblioteka Numpy będzie importowana jako NP; Pandy będą importowane jako PD, matplotlib będzie importowany jako mpl, malplotlib.Pyplot jako PLT, a Seaorn będą importowane jako SNS. W następnym wierszu funkcja obciążenia () jest stosowana do załadowania ramki danych. Podaliśmy „wskazówki” jako argument dla tej funkcji.

Następnie stosujemy funkcję set () biblioteki Seaorn, aby określić kody kolorów. Aby narysować wykres rozrzutu, zastosowaliśmy metodę Scatterplot (). Ta funkcja zawiera trzy różne parametry, takie jak wartości x, y i wartość danych. Zastosowaliśmy metodę show () do reprezentowania wykresu.

Wykonaj różne kategorie

W tym wykresie rozrzutu użyjemy parametru o nazwie „Odcień”; Umożliwia użytkownikom wyświetlanie komponentów ze zmiennej wykresu. Ten atrybut zostanie wykorzystany do wizualizacji kategorii w zmiennej nominalnej. Wyświetlono związek między długością a szerokością odcinka kilku odmian. Atrybut Hue pozwala nam przedstawić skategoryzowane wartości w różnych tonach. Kod jest zapisywany w systemie Windows CMD i wyświetlany w następujący sposób.

Po uwzględnieniu bibliotek Seaorn i Matplotlib.Pyplot, zadeklarowaliśmy zmienną „iris_data.”I przypisaliśmy załadowane dane IRIS do tej zmiennej. W następnym wierszu określiliśmy rozmiar wykresu za pomocą funkcji rysunku (). Rozmiar jest przechowywany w zmiennej „F."

Teraz zastosowaliśmy metodę Scatterplot (). Ta funkcja służy do narysowania wykresu. Podaliśmy etykiety obu osi, wartość odcienia i ramkę danych jako jego parametry. Ostatecznie funkcja show () jest wykorzystywana do zilustrowania wykresu.

Dostosuj kolor

Korzystając z argumentu paletowego, wyświetliśmy wykres rozrzutu z dostosowaną kolorystyką. Ta funkcja umożliwia wyświetlanie zmiennej skategoryzowanej poprzez rozszerzający się odcień, z kategoriami pokazanymi w kolejności zwiększenia liczbowego parametru agregatu od palec do ciemniejszych odcieni.

Ponieważ gatunek ma dłuższą długość kwiatową niż inne gatunki, jest on przedstawiany w najbardziej ponurym cieniu, podczas gdy te o krótszych gatunkach wielkości płatków są przedstawione w jaśniejszych odcieniach. Kod jest zapisywany w systemie Windows CMD i wyświetlany w następujący sposób.

Na początku programu po prostu zintegrowaliśmy pliki nagłówka wymagane do wykreślania. Funkcja obciążenia () byłaby użyta do ładowania ramki danych IRIS. Ta metoda odzwierciedla główne atrybuty trzech różnych kwiatów tęczówki, w tym długość, szerokość odcinka, długość i szerokość płatka. Rozmiar zdefiniowanej figury jest zdefiniowany przez funkcję rysunek ().

Następnie, stosując metodę rozproszenia (), wykreślliśmy długość płatków różnych kwiatów tęczówki ramki danych na wykresie rozproszenia. Długość płatków trzech odmian kwiatów różni się znacznie. W funkcji określamy wartość argumentu „palety” do „magmy”. Zastosowaliśmy metodę show (), aby oznaczyć wynikowy wykres.

Dostosuj kształt

Zastosujemy również parametr „marker”, aby dostosować wzór punktu rozproszenia do wybranych projektów. W parametrze rynku możemy określić styl wymaganych punktów rozproszenia. W tym przypadku wskazaliśmy punkty z symbolem „+”. Dodatkowy parametr o nazwie „alfa” jest wykorzystywany do wyświetlania względnej luminancji różnych punktów. Kod jest zapisywany w systemie Windows CMD i wyświetlany w następujący sposób.

Seorborn i Matplotlib.Wprowadzono pliki nagłówka Pyplot. Musimy załadować ramkę danych tęczówki, więc zastosowaliśmy Load_Dataset (). Następny wiersz zawiera funkcję, w której dostosowujemy rozmiar wykresu. Aby utworzyć wykres, zastosowaliśmy funkcję Scatterplot (). W przypadku różnych rodzajów kwiatów tęczówki pokazaliśmy szerokość sepal na osi x działki i długość płatka na osi y.

Aby zidentyfikować punkty rozproszenia według długości różnych gatunków, zastosowaliśmy określony parametr określany przez rozmiary. Zauważymy, że punkty rozproszenia zmieniają się z szerszej na mniej na mniej, w zależności od długości sepal. Możemy dokładnie zdefiniować różnicę między parametrami wykorzystującymi określoną wersję, podając parametr „rozmiarów”. Podaliśmy funkcję parametr „znacznik” i przypisaliśmy jej wartość „+.„Aby przedstawić wykres, używana jest funkcja show ().

Wniosek

Omówiliśmy wykres rozrzutu morskiego, używając różnych instancji w tym artykule. Narysowaliśmy kilka wykresów rozrzutu przy wsparciu bibliotek Seaorn i Matplotlib. W tym artykule pokazano także liczne elementy funkcji scarplplot (). Zintegrowana biblioteka Seaorn jest zatrudniona w języku Python. Oferuje unikalny wizualny interfejs analityczny. Komponenty dostarczające zestawy danych, procesy i przetwarzanie danych tworzą system. Moduły morskie i Matplotlib są często stosowane w dziedzinie analizy danych. Jeśli chodzi o projektowanie wizualizacji bardziej osiągalne, preferowane może być włączenie wielu pojęć.