I denne artikel vil vi diskutere, hvordan vi kan skabe en tælle plot ved at bruge det søfødte bibliotek, og hvordan de forskellige parametre kan bruges til at udlede resultater fra funktionerne i vores datasæt.
Seaborn bibliotek
Det søfødte bibliotek er meget brugt blandt dataanalytikere, galaksen af plots, det indeholder, giver den bedst mulige repræsentation af vores data.
Det søfødte bibliotek kan importeres til vores arbejdsmiljø vha.
python liste initialisere
import seaborn as sns
Lad os nu diskutere, hvorfor vi bruger countplot, og hvad er betydningen af dets parametre.
Tælleplot
Tællediagrammet bruges til at repræsentere forekomsten(tallene) af observationen, der er til stede i den kategoriske variabel.
Det bruger konceptet med et søjlediagram til den visuelle afbildning.
Parametre-
Følgende parametre er specificeret, når vi opretter et tælleplot, lad os få en kort idé om dem-
Lad os nu se, hvad der er de forskellige måder at repræsentere vores egenskaber på.
I det første eksempel vil vi oprette et tælleplot for en enkelt variabel. Vi har taget datasættet 'tip' til at implementere det samme.
1. Værdien tæller for en enkelt variabel
Eksempel -
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'tips' df=pd.read_csv('/content/tips.csv') #plotting the graph sns.countplot(x='sex',data=df) plt.show()
Produktion:
I det næste eksempel vil vi bruge hue-parameteren og oprette et tælleplot.
Følgende program illustrerer det samme-
2. Repræsenterer to kategoriske variable ved hjælp af farvetoneparameter
Eksempel -
lytteport
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'tips' df=pd.read_csv('/content/tips.csv') #plotting the graph sns.countplot(x='sex',hue='smoker',data=df) plt.show()
Produktion:
I det næste eksempel vil vi overveje y-aksen og lave et vandret tælleplot.
Følgende program illustrerer det samme-
3. Oprettelse af vandrette plots
Eksempel -
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'tips' df=pd.read_csv('/content/tips.csv') #plotting the graph sns.countplot(y='sex',hue='smoker',data=df) plt.show()
Produktion:
Lad os nu se på, hvordan farvepaletter kan forbedre præsentationen af vores data.
I det næste eksempel vil vi bruge parameteren 'palette'.
Følgende program illustrerer det samme-
4. Brug af farvepaletter
Input-
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'tips' df=pd.read_csv('/content/tips.csv') #plotting the graph sns.countplot(x='sex', data=df, palette='Set1') plt.show()
Produktion:
I det næste eksempel vil vi bruge parameteren farve og lad os se, hvordan det virker?
Følgende program illustrerer det samme-
5. Brug af parameteren 'farve'
Eksempel -
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'train' df=pd.read_csv('/content/train.csv') #plotting the graph sns.countplot(x='Pclass',hue='Sex', data=df, color='green') plt.show()
Produktion:
Nu vil vi bruge parameteren 'mætning' og se, hvordan det påvirker repræsentationen af vores data.
Følgende program illustrerer det samme-
numpy standardafvigelse
6. Brug af parameteren 'mætning'
Eksempel -
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'train' df=pd.read_csv('/content/train.csv') #plotting the graph sns.countplot(x='Pclass',data=df, color='green', saturation=0.1) plt.show()
Produktion:
Og til sidst i det sidste eksempel vil vi bruge parametrene linjebredde og kantfarve.
Eksempel -
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'train' df=pd.read_csv('/content/train.csv') sns.countplot(x='Sex', data=df, color='green', facecolor=(0,0,0,0), linewidth=5, edgecolor=sns.color_palette('BrBG',2)) plt.show()
Produktion: