Stripplot Seaborn

„Fabuła paska jest łatwa do zrozumienia. To tylko wykres rozproszony, który rozróżnia odrębne kategorie. W rezultacie wszystkie dane, które korelują z każdym typem, są wyświetlane jako wykres rozproszenia, więc wszystkie widoczne obserwacje i dane są wyświetlane obok siebie na jednej mapie.

To wizualna metoda analizy danych do podsumowania pojedynczego zestawu danych. Ponieważ wykres pasków pokazuje wszystkie obserwacje, a także przedstawienie podstawowego rozmieszczenia, jest uważany za rozsądny dla pudełka."

Składnia stripplota w Seborn

Seorborn.Stripplot (x = brak, y = brak, odcień = brak, dane = brak, kolor = brak, palette = brak, rozmiar = 10, edgecolor = „Gray”, lineWidth = 0, ax = brak, ** kwargs)

X, Y, Hue: Aby wykreślić dane długie, potrzebujesz wejść. Są to nazwy danych wektorowych lub zmiennych.

dane: Do celów wykonywania utworzono zestaw danych. Brak X i Y jest odczytywany jako szeroki forma. Poza tym prawdopodobnie będzie to długa forma. Rama danych w pandy. Jednak zdefiniowanie parametrów x, y i odcieniach jest konieczne, aby łatwo określić, w jaki sposób należy wyświetlić dane dotyczące danych danych.

Zamów, hue_order: W przypadku palety gradientu termin ten zawiera indywidualne kolory każdego elementu. Odpowiedni wykres jest zwracany przez tę metodę.

drganie: Zakres drgania, który należy zastosować (tuż wzdłuż osi kategorycznej). Kiedy masz wiele punktów, które się pokrywają, może to pomóc w łatwiejszym dostrzeżeniu dystrybucji. Możesz albo ustawić wartości jittera (z szerokością równomiernie rozłożonego zakresu zmiennej losowej) lub pozostawić go w true jako akceptowalne niewykonanie zobowiązania.

unik: Umożliwiając to prawdziwym, przy użyciu gniazdowania odcienia oddziela paski wzdłuż osi klasyfikowanej dla odmiennych poziomów odcienia. W przeciwnym razie punkty każdego poziomu zostaną ułożone na siebie.

Orient: Wykres jest zorientowany w określony sposób (pionowy lub poziomy). Jest to zwykle wywnioskowane na podstawie typów zmiennych wejściowych, ale można go wykorzystać do wyjaśnienia nieporozumień, gdy oba parametry x i y są liczbowymi lub podczas wykresu danych o szerokiej formie.

kolor: Kolor dla wszystkich elementów lub ziarno palety gradientowej.

paleta: Kolory do wykorzystania dla różnych poziomów zmiennej odcienia. Paleta kolorów () powinna być w stanie to interpretować lub słownik powiązany z wartościami odcienia z kolorami matplotlib.

szerokość linii: Szerokość szarych linii otaczających punkty fabuły.

Edgecolor: Kolor linii otacza każdy punkt. Jasność punktów jest rządzona przez paletę kolorów używaną podczas rdzenia punktów, jeśli zdasz „szary."

topór: Wykres zostanie narysowany na obiekcie osi, chyba że używany jest obiekt bieżący.

KWARGS: Matplotlib.osie.Osie.rozproszenie odbiera wszelkie dodatkowe argumenty słów kluczowych ().

Przykład 1

Tutaj mamy prostą ilustrację fabuły paska z modułem morskim. Przejdźmy do części implementacji. Ustawiliśmy styl fabuły jako Darkgrid. Zestaw danych mpg jest importowany do obciążenia_dataset (). Następnie mamy funkcję wykresu paska, która ma wejście x jako wagę i y wejściowe jako przyspieszenie. Ten wykres paski porównuje wagę i przyspieszenie zestawu danych MPG. Kodeks Stripplota Seaorn jest tutaj umieszczony.

Tam mamy podstawową wizualizację wykresu paska na poniższej rysunku.

Przykład 2

Tutaj mamy wykres paski używany do zbudowania określonego poziomego wykresu paska. Gdy zamiast dwóch używanych jest tylko jeden parametr wejściowy, oś oznacza każdy z parametrów wejściowych jako oś. Włożyliśmy wskazówki dotyczące danych w funkcji Load_Dataset. Z zestawu danych wskazówek wzięliśmy kolumnę Total_Bills dla naszego wejścia x, które jest używane w funkcji wykresu paska. Kodeks Stripplota Seaorn jest tutaj umieszczony.

Poniższy rysunek pokazuje poziomą wizualizację wykresu paska.

Przykład 3

Używamy jittera parametrów do tworzenia wykresu paska w tym przykładzie. Zaprojektowaliśmy wykres, definiując DarkGrid w funkcji zestawu. Następnie dodaliśmy próbkę danych Titanic w load_dataset i nazwaliśmy ten morski laod_dataset w zmiennym tytaniku. Następnie mamy wykres pasków, w którym kolumny taryfy i klasy są przypisywane do parametrów x i y z zestawu danych Titanic. Porównał fabułę z tą dwupolową. Następnie przekazaliśmy jitter opcji i przypisaliśmy jej wartość 0.15. Kod kodeksu Seborn Strip jest tutaj umieszczony.

Następująca reprezentacja wykresu paska z opcją Jitter.

Przykład 4

Tam mamy opcję WIEDTH, której używamy na wykresie pasku, aby zobaczyć, jak działa. Początkowo ustawiliśmy tło fabuły jako DarkGrid. Następnie mamy wbudowane wskazówki dotyczące danych podane w Seator. Wykres paski jest wywoływany i przekazywany z parametrem osi x i y wraz z parametrem linii szerokości linii. Kod kodeksu Seborn Strip jest tutaj umieszczony.

Nowszy skrypt Seaorn przedstawia następującą wizualizację wykresu paska.

Przykład 5

Przykład wykorzystuje ogromne punkty i różnorodne estetyki za pomocą markera i parametru alfa. Wykorzystaliśmy alfa do kontrolowania przezroczystości punktu danych i zmodyfikowaliśmy punkt danych za pomocą znacznika dla markera. Te dodatkowe parametry są stosowane na tęczówce danych, które zarejestrowaliśmy za pomocą polecenia Load_Dataset.

Następnie mamy wykres paski, do którego, z parametrami x i y, ustawiliśmy odcień, paletę, rozmiar, marker jako R i wartość opcji alfa jako 0.15. Kod kodeksu Seborn Strip jest tutaj umieszczony.

Wyjście wykresu paska jest renderowane w następujący sposób:

Wniosek

Tam zakończyliśmy nasz artykuł fabularny. Działka paska jest całkowicie samodzielna. Mamy krótki przegląd działki paska z modułem Seaorn. Składnia jest również wyraźnie wyjaśniona wraz z każdym parametrem. Aby pomóc Ci zrozumieć, pokazaliśmy, jak korzystać z tego podejścia za pomocą bardzo łatwego przykładu.