Seeborn Barplot Mehrere Säulen

Seeborn Barplot Mehrere Säulen

„Wir werden in diesem Artikel die Handlung von SeaBorn Bar in Ihren Wissenschaftsprojekten für maschinelles Lernen durchführen. Wir werden uns die Struktur von Seeborns SNS ansehen.barplot () Funktion und einige Beispiele für die Verwendung, um die Balken auf verschiedene Arten zu verwenden, indem die Parameter geändert werden.

Ein Balkendiagramm gehört zu den bekanntesten Diagrammen für die Darstellung der quantitativen Gruppierung von Statistiken durch rechteckige Blöcke für verschiedene Kategorien. Der Zusammenhang zwischen verschiedenen Datenvariablen wird unter Verwendung eines Mehrfachbalken -Diagramms dargestellt. Jeder Datenwert wird durch eine andere Spalte im Diagramm dargestellt. Die Mehrfachstangenplots werden im Wesentlichen verwendet, um verschiedene Dinge zu vergleichen. Der SNS.barplot () function plant ein Balkendiagramm mit jeder Balken, die Aggregatdaten für jede Gruppe darstellt. Es berechnet den Mittelwert für jede Gruppe standardmäßig. Dies zeigt an, dass die Größe jedes Balkens dem Mittelwert der Kategorie entspricht.

Der Begriff „Multi-Bar-Plot“ bezieht sich auf ein Diagramm mit mehreren Balken. Gruppierte Barhandlung ist ein anderer Name dafür. In Seeborn ist ein gruppierter Barplot nützlich, wenn es sich um verschiedene Kategorievariablen handelt. Gruppierte Barplots sind einfach zu erstellen mit Pythons SeaBorn -Charting -Paket.”

Syntax der Barplot in Seeborn

Syntax:

Seeborn.barplot (x = keine, y = keine, hue = keine, data = keine, order = keine, hue_order = keine, units = keine, orient = keine, errwidth = none, capsize = keine, ax = keine, kwargs)

Die Beschreibung jedes Parameters für die Barplot -Methode lautet wie folgt.

x, y und Farbton: Die Argumente der Funktion werden in dieser Variablen gespeichert.

Daten: Der Dataset oder den DataFrame von Seeborn, der erstellt wurde, mit dem hier das Bardiagramm gepostet wird.

Bestellung, Hue_order: Die Aufzeichnung kategorischer Variablen sollte in dieser Reihenfolge erfolgen.

Schätzer: Die Kategoriebehälter wird unter Verwendung dieser statistischen Funktion bestimmt.

Orient: Wir können wählen, ob die Handlung hier vertikal oder horizontal sein sollte.

Farbe: Diese Option bestimmt die Farbe aller Elemente.

Palette: Die in Diagramm verwendeten Farben werden durch diese Option bestimmt.

Axt: Hier wird die Visualisierung auf den Achsen aufgetragen.

Beispiel 1

Wir können mehrere Spalten der Barplot durch die SeaBorn -Funktionsgruppenstange erstellen. Die Gruppe von GroupBy () in Pandas wird verwendet, um Daten in Gruppen zu unterteilen, abhängig von festgelegten Kriterien.

Im folgenden Beispiel -Skript haben wir die Matplotlib -Bibliothek und das Seeborn -Modul zum Aufstellen mehrerer Spalten mithilfe von Barplot eingeschlossen. Jetzt müssen wir die Daten zum Aufzeichnen erstellen. Dafür haben wir die Daten des Titanic -Datensatzes aus Seeborn eingefügt. Der Beispieldatensatz -Titanic wird dann in den Konstruktor load_dataset geladen.

Dann haben wir uns auf die GroupBy -Funktion angerufen, bei der die PLASS und die überlebten Spalten aus der Titanischen Funktion übergeben werden. Außerdem haben wir die Aggregation des Spaltenalters aus dem Titanic -Datensatz angewendet. Diese Funktion gruppiert diese Spalten. In der Barplot -Funktion haben wir die PCLASS auf den X -Parameter eingestellt, den y -Parameter und den Farbton auf die überlebte Spalte festgelegt.

Matplotlib importieren.Pyplot als PLT
Importieren Sie Seeborn als SB
df = sb.load_dataset ('titanic')
df = df.GroupBy (['PCLASS', 'Überlebte']).Agg (Mean = ("Alter", 'Mean'))
df = df.reset_index ()
sb.barplot (x = "pclass",
y = "Mean",
hue = "überlebt",
Daten = df)
PLT.zeigen()

Der Barplot mit mehreren Spalten wird wie folgt visualisiert:

Beispiel 2

Im obigen Balkendiagramm haben wir zwei Spalten gruppiert, um ein Balkendiagramm zu erzeugen. Wir können mehr als zwei Spalten mitnehmen, um zusammen zu gruppieren. Erstens werden die Module dem Seeborn -Skript hinzugefügt, um Diagramme zu konstruieren. Danach werden die Stichproben -Datensatzspitzen innerhalb des Seeborn -Funktion load_dataset aufgerufen.

Anschließend haben wir eine Gruppenby -Funktion in der variablen df, zu der Größe und Tag der Spalten für die Gruppierung angegeben sind. Auch die Aggregationsmethode wird in dieser Variablen verwendet. Die Spaltenspitze ist der Aggregationsfunktion zugeordnet, die den Mittelwert der Spaltenspitze zurückgibt. Anschließend haben wir eine Barplot -Funktion in den X- und Y -Parametern und setzen die Größe und Mean_tip auf diese kategorialen Parameter.

Hier haben wir einen weiteren optionalen Parameter -Farbton eingeführt, der mit der Tagesspalte eingestellt ist. Die plt.Show wird verwendet, um die Bar -Plot -Figur anzuzeigen.

Matplotlib importieren.Pyplot als PLT
Importieren Sie Seeborn als SNS
df = sns.load_dataset ('tipps')
df = df.GroupBy (['Größe', 'Tag']).Agg (Mean_tip = ("Tipp", 'Mean'))
df = df.reset_index ()
sns.Barplot (x = "Größe",
y = Mean_tip,
hue = "Tag",
Daten = df)
PLT.zeigen()

Hier haben wir die barplot multiple Spaltevisualisierung des Datensatzes des Tipps gezeigt.

Beispiel 3

Da wir die Gruppe GroupBy verwendet haben, um die Barplot mehrere Spalten anzuzeigen. Geben Sie einfach die drei Parameter X, Y und Hue an, um das Balkendiagramm in mehreren Spalten zu generieren. Beginnen wir also mit dem Hinzufügen der Python -Module, um die mehreren Balken der Handlung zu zeichnen. Der Beispieldatensatz Iris wird hier zum Auftreten verwendet. Dann haben wir einfach den Barplot angerufen und drei Spalten von der Iris an die Optionen X, Y und Hue übergeben.

Matplotlib importieren.Pyplot als PLT
Importieren Sie Seeborn als SNS
df_titanic = sns.load_dataset ("iris")
sns.barplot (x = "sepal_length", y = "sepal_width", hue = "species", ci = "sd", capsize = 0.09, data = df_titanic)
PLT.zeigen()

Der mehrfache Spalten -Barplot wird in der Abbildung wie folgt gerendert:

Beispiel 4

Jetzt generieren wir die mehreren Säulen mit dem Seeborn Catplot. Im folgenden Beispiel haben wir die Beispieldatensatz -Tipps aus dem Seeborn in der Funktion load_dataset eingefügt. Wir haben die X-, Y- und Hue -Attribute an die Catplot -Funktion übergeben. Der X -Eingang hat sich mit der Tagesspalte eingestellt, die y -Eingabe nimmt die Tippsäule und der Farbtoneingang wird mit dem Raucher eingestellt. In der Catplot -Funktion haben wir den Art -Parameter auf Balken gesetzt. Dadurch werden hier die Barhandlung zeichnen. Die Palette ist auch für die Barplot eingestellt.

Matplotlib importieren.Pyplot als PLT
Importieren Sie Seeborn als SNS
Tipps = SNS.Load_dataset ("Tipps")
bar = sns.catlott (x = "Tag", y = "Tipp",
Hue = "Raucher",
Data = Tipps, sort = "bar", palette = "accent_r");
PLT.zeigen()

Das Balkendiagramm mehrere Spalten werden hier aus der Catplot -Funktion hier gerendert.

Abschluss

Wir untersuchten die „SeaBorn Bar -Diagramm mehrere Säulen“ in diesem Python. Wir haben auch die Parameter diskutiert, die in der Barplot -Funktion übergeben werden. Die Seeborn -Bibliothek hat uns hier mehrere Beispiele zur Verfügung gestellt, wie die Balkenplots mit mehreren Säulen mit der Gruppe der Gruppenby -Funktion erstellt werden können. Wir haben auch gelernt, wie man die Funktion von Seeborns Catplot () verwendet, um mehrere Stangenplots zu erstellen.