Seeborn Barplot

„Seeborn ist ein Matplotlib-basierter visueller Analysepaket. Es hat auch eine interaktive Benutzeroberfläche auf hoher Ebene und visuell ansprechende und lehrreiche analytische Visuals. Eine gut gestaltete Grafik wäre einfach unverwechselbar. Die Shades Pop, die Texturen verschmelzen effektiv, die Formen fließen reibungslos und das Gesamtpaket sieht nicht nur sehr gut aus, sondern liefert uns auch wertvolle Informationen.

Mit der Dicke jedes Pixels zeigt ein Balkendiagramm einen Hinweis auf die Normalverteilung für eine Wertsequenz und liefert ein beträchtliches Maß für die Variabilität um eine bestimmte Figur, die Fehlerbalken verwendet. Immer wenn 0 eine relevante Zahl für den numerischen Parameter ist, aber wir möchten auch die Dinge mit diesem vergleichen, sind Balkendiagramme eine gute Strategie.

Ein Punktdiagramm ermöglicht es uns, Variationen innerhalb der Werte eines einzelnen oder mehreren quantitativen Variablen in Datenrahmen zu betonen, wenn 0 kein bemerkenswerter Wert wäre. Es ist jedoch wichtig, sich daran zu bedenken.”

Verwenden Sie eine barplot () -Methode

Ein Balkendiagramm ist ein Diagramm, mit dem Datenpunkte mit verschiedenen Methoden integriert werden. Der Mittelwert war schon immer der Standard. Es könnte auch als kollektive visuelle Darstellung durch die Operation angesehen werden. Wir finden eine geeignete kategorisierte Zeile für die X-Achse und eine quantitative Zeile für die y-Achse, um dieses Diagramm anzuwenden. In diesem Fall haben wir die Funktion barplot () verwendet, um das Balkendiagramm zu zeichnen.

Importieren Sie Seeborn als SNS
Matplotlib importieren.Pyplot als PLT
df = sns.load_dataset ('titanic')
sns.Barplot (x = 'wer',
y = 'Tarif' ',
Daten = df)
PLT.zeigen()

Zunächst haben wir die erforderlichen Header -Dateien eingeführt. Die Header -Datei Seeborn wird als SNS und Matplotlib importiert.Pyplot wird als PLT eingeführt. Die SeaBorn -Bibliothek bietet eine bessere Schnittstelle, mit der überzeugende statistische Diagramme gezogen werden können. Als nächstes haben wir den Datenrahmen geladen, der für die Grafik verwendet wird. Die Seeborn -Bibliothek hat diesen Datensatz. Wir deklarieren eine Variable "DF" für die Speicherung dieses Datensatzes.

Jetzt müssen wir eine Barplot zeichnen. Wir erhalten die X-Achse, die y-Achse und den Datensatz als Argumente für den Funktionsbarplot (). Um die Handlung darzustellen, haben wir am Ende die Show () -Methode verwendet.

Die X-Achse des Diagramms wird durch den Begriff „wer“ gekennzeichnet und die y-Achse wird mit „Tarif eingestellt.”

Die Farbe angepasst

Wir können die Farbe des Barplot mithilfe des Palettenparameters anpassen. Wir setzen den Wert der Farbe mit Hilfe dieses Arguments. Die Funktion barplot () enthält den Parameter der Palette.

Importieren Sie Seeborn als SNS
Matplotlib importieren.Pyplot als PLT
df = sns.load_dataset ('titanic')
sns.Barplot (x = 'wer',
y = 'Tarif' ',
Hue = 'Klasse',
Data = df,
Palette = "Magma")
PLT.zeigen()

Wir werden zwei Bibliotheken in die Startzeilen des Code integrieren. Die Seeborn -Header -Datei wird als SNS und Matplotlib integriert.Pyplot wird als PLT integriert. Das Seeborn-Modul enthält verschiedene Methoden, die eine benutzerfreundlichere Schnittstelle zur Definition einer hohen statistischen Visualisierung bieten.

Danach haben wir den Titanic -Datensatz abgerufen. Dieser Datenrahmen ist in der SeaBorn -Header -Datei verfügbar. Wir erstellen eine Variable namens "DF", um diese Daten zu halten. Wir müssen jetzt einen Barplot zeichnen; Somit haben wir die Barplot () -Funktionsheader -Datei Seeborn angewendet. Die Parameter für den Funktions barplot () sind die x-Achse, die y-Achse, den Datensatz, den Farbton und die Palette (). Sowohl die X- als auch die Y-Achsen-Werte werden hier bereitgestellt. Wir haben auch die Palettenfarben ausgewählt. Schließlich verwendeten wir die Show () -Methode, um die Handlung zu veranschaulichen.

In dieser Ausgabe ist die Farbe der Paletten Magma, wie in der folgenden Abbildung gezeigt.

Barplot -Tipps

Der TIPS -Datenrahmen wird im Barplot -Tipps -Diagramm verwendet, wie unten gezeigt. Es zeigt die Gesamtmenge der durch Geschlecht erhaltenen Spitzen an. Es verwendet die Magma -Palette, die mehrere Magma -Schatten enthält.

Numph als NP importieren
Pandas als PD importieren
Matplotlib importieren.Pyplot als PLT
Importieren Sie Seeborn als SNS
sns.set_context ('Paper')
Tipps = SNS.load_dataset ('tipps')
sns.Barplot (x = 'Tag', y = 'Total_bill', Hue = 'Sex', Data = Tipps,
Palette = 'Magma', EdgeColor = 'W'))
Tipps.GroupBy (['Tag', 'Sex']).bedeuten()
PLT.zeigen()

Zu Beginn des Programms haben wir Numpy als NP, Pandas als PD, Matplotlib importiert.Pyplot als PLT und Seeborn als SNS. Diese Bibliotheken bieten die Methoden zum Zeichnen von Grafiken. Jetzt haben wir die Kontext () -Funktion der Seeborn -Bibliothek angewendet. Diese Funktion liefert den Wert des Parameters basierend auf dem Kontext. Jetzt haben wir die Funktion für Funktion load_dataset () verwendet, um Datenrahmen „Tipps zu erwerben.Dieser Datenrahmen bezieht sich auf die SeaBorn -Header -Datei. Die Barplot wird mit Hilfe der Barplot () -Methode der Seeborn -Bibliothek gezogen. Diese Funktion hat unterschiedliche Parameter, einschließlich der X-Achse, der Y-Achse, der Farbton, der Daten, der Palette und der Kantefarbe.

Wir haben den Wert der x-Achse an "Tag", den Wert der y-Achse als "Total_bill", den Wert des HUE als "Geschlecht", den Wert der Farbe der Palette als "Magma" und und den Wert des Hue angepasst Die Farbe der Kanten als „W."Wir gruppieren auch die Daten des Balkendiagramms mit dem Parameter" Tag "und" Sex ".Als nächstes wird die Funktion bedeutet () wird verwendet. Diese Funktion wird angewendet, um den Durchschnitt der angegebenen Liste verschiedener Werte zu bestimmen. Wir können den Durchschnitt des Datenrahmens erhalten, der als Argumente angegeben ist. Um das Balkendiagramm zu visualisieren, haben wir die Funktion show () angewendet.

Der oben genannte Code wird erfolgreich ausgeführt. Die x-Achse der Handlung zeigt die Namen von vier Wochentagen und die y-Achse zeigt den Wert der Gesamtrechnung.

Abschluss

Mit Hilfe verschiedener Fälle zeigt dieser Artikel die Methoden zur Erstellung einer Barplot in Python unter Verwendung von SeaBorn. Der Zusammenhang zwischen einem quantitativen und einem kategorialen Parameter wird durch eine Barplot veranschaulicht. Jede kategoriale Datenentität wird durch Verwendung einer Balken dargestellt. Der Ziffernwert wird durch die Dimension der Stange ausgedrückt. Wir können die Farbe der Barplot anpassen. Wir haben die Barplot mit der Barplot () -Methode verwendet.