Seeborn Distplot
Ein Dispersionsdiagramm, auch als Distplot bezeichnet, zeigt die Varianz im ursprünglichen Datensatz an. Die gesamte Dispersion eines Echtzeitdatenparameters wird durch die Funktion Distplot () des Seeborn-Gerüsts angezeigt. Die Seeborn -Bibliothek in Verbindung mit der Matplotlib -Bibliothek wird angewendet, um die Distplot zwischen den verschiedenen Modifikationen zu visualisieren. Die Daten werden unter Verwendung eines Histogramms sowie einer Kurve in der Distplot dargestellt.
Die Seeborn -Bibliothek enthält eine Reihe von Methoden zum Aufstellen der Informationen und zur Anzeige der Datenschwankungen. Die Distplot wird mit der DistPlot () -Methode des Seeborn -Pakets erstellt. Die Distplot veranschaulicht die einheitlichen Modellparameter, dh die statistische Dispersion eines Parameters gegenüber der Dispersionsbeziehung.
Der Datensatzparameter wird an die Methode DistPlot () übergeben, die ein Diagramm mit der Dispersionsbeziehung zurückgibt. Um die Möglichkeit der Ausbreitung der abhängigen Variablen über die mehreren Datensätze zu bestimmen, kann die Methode DistPlot () der Seeborn -Bibliothek mit dem KDE -Diagramm kombiniert werden. Der Begriff KDE wird als Kerneldichteschätzung abgekürzt. Lassen Sie uns den Seeborn -Distplot im Detail diskutieren:
Beispiel 1:
Die folgende Grafik zeigt eine einfache Dispersion in diesem Schritt. Mit Hilfe von zufällig.randn (), es generiert zufällig Werte. Es funktioniert, wenn wir die Attribute manuell angeben.
| 1 2 3 4 5 6 7 | Matplotlib importieren.Pyplot als PLT Importieren Sie Seeborn als SNS, Numpy als NP sns.set (rc = "Abbildung.FigSize ": (10, 6)); np.willkürlich.Samen (2) x = np.willkürlich.Randn (200) ax = sns.Distplot (x) PLT.zeigen() |
Zunächst haben wir die drei Header -Dateien eingeführt. Der Matplotlib.Die Pyplot -Header -Datei wird als PLT importiert. Seeborn wird als SNS eingeführt. Und Numpy wird als NP eingeführt. Dann haben wir die beiden Funktionen aus den verschiedenen Bibliotheken verwendet. Die Funktion set () wird angewendet, um die Größe des Diagramms anzugeben. Also haben wir den Parameter der „Figsize“ zur Verfügung gestellt. Diese Funktion hängt mit der SeaBorn -Bibliothek zusammen.
Wir haben die Randn () -Funktion der Header -Datei Numpy Library verwendet. Der Wert wird in der "x '" Variablen gespeichert. Die Methode distPlot () wird angewendet, um die Grafik zu zeichnen. Diese Funktion enthält den Wert der X -Variablen als Argument. Zuletzt die PLT.Show () Methode wird verwendet, um das Diagramm darzustellen.
Beispiel 2:
Die Distplot wird auf verschiedene Weise angezeigt. Um die vier Varianten gleichzeitig zu veranschaulichen, verwenden wir die Funktion subplot () der Pylab -Framework -Methode. Wir können vollständig unterschiedliche Visualisierungen erzeugen, indem wir die Argumente der Funktion distplot () ändern. Benutzer interagieren mit einigen dieser Argumente, um die Farbton, das Layout und andere Aspekte zu verändern.
Zu Beginn des Programms müssen wir einige wichtige Bibliotheken importieren. Jede Pyplot -Methode verändert ein Visual in einem bestimmten Aspekt. Seeborn ist ein Matplotlib-basierter visueller Analysepaket. Numpy ist ein Python -Modul für eine weit verbreitete numerische Berechnung. Pylab ist eine Bibliothek, die Methoden aus den Numpy- und Matplotlib -Paketen integriert, um eine integrierte Entwicklungsumgebung zu erstellen.
Im nächsten Schritt geben wir die Größe der Abbildung an. Also wenden wir die set () -Methode der Seeborn -Bibliothek an. Dabei verwenden wir die Methoden Seed () und Randn (). Beide Funktionen sind in der Numpy -Bibliothek enthalten. In diesem Fall zeichnen wir die vier verschiedenen Distplots. Wir rufen die DistPlot () -Methoden getrennt in vier Nebenhandlungen auf. Um die erste Nebenhandlung zu zeichnen, setzen wir einfach ihre Abmessungen und wenden dann die Funktion distplot () der Seebornbibliothek an. Für die zweite Nebenhandlung geben wir die Parameter „Teppich“ und „HIST“ für die Funktion distplot () an.
Zum Zeichnen der dritten Nebenhandlung verwenden wir die Verschrott () -Methode, nachdem die Dimensionen definiert wurden. Hier setzen wir den "falschen" Wert auf die "vertikale" Variable. In ähnlicher Weise möchten wir zum letzten Mal ein KDE. Der Wert des Parameters "Schatten" wird als "wahr" angegeben. Und der Wert der „Farbe“ wird als „B“ eingestellt. Am Ende, um diese Nebenhandlungen anzuzeigen, die PLT.Show () Methode wird angewendet.
Beispiel 3:
Im Histogramm zeigen wir manchmal den üblichen Datenrahmen des Seeborn -Moduls. Da dies ein so enormer Datensatz ist, reicht nur ein Eintrag aus.
| 1 2 3 4 5 6 | Matplotlib importieren.Pyplot als PLT Importieren Sie Seeborn als SNS Titanic = sns.load_dataset ('titanic') Alter1 = Titanic ['Alter'].Dropna () sns.Distplot (Alter1) PLT.zeigen() |
Hier enthalten wir die Bibliotheken „PLT“ und „SNS“. Die "PLT" -Bibliothek wird von Matplotlib importiert.Pyplot und die „SNS“ -Bibliothek werden von der Seeborn -Bibliothek importiert. Hier rufen wir den Datenrahmen der Titanic ab, sodass wir die Methode der load_dataset () der Seebornbibliothek bezeichnet haben. Im nächsten Schritt der Darstellung der Verschiebung haben wir die DistPlot () -Methode verwendet. Schließlich wird die Grafik mit der PLT veranschaulicht.show () Funktion.
Beispiel 4:
Es ist auch möglich, die Größe der Behälter anzupassen und die Linie zu beseitigen. In diesem Fall werden wir die Größe der Behälter angeben und den Rand von KDE transparent machen, indem wir die Funktion distplot () aufrufen.
| 1 2 3 4 5 6 7 | Matplotlib importieren.Pyplot als PLT Importieren Sie Seeborn als SNS Titanic = sns.load_dataset ('titanic') Alter1 = Titanic ['Alter'].Dropna () sns.DistPlot (Alter1, Behälter = 30, kde = true) PLT.zeigen() |
Nach dem Importieren der erforderlichen Header -Dateien Matplotlib.Pyplot und Seeborn beabsichtigen, den Titanic -Datensatz zu erhalten. Somit haben wir die Lastdatensatz () der Seeborn -Bibliothek () verwendet. Wir haben die Funktion distplot () bezeichnet, um die Grafik zu zeichnen. Diese Methode enthält drei Parameter. Mit der Funktion distplot () ermöglicht es uns, die Behältergröße und den Wert von „KDE“ zu definieren. Der Wert von "kde" ist in diesem Fall auf "wahr" eingestellt. Dann durch Verwendung der PLT.show () Methode, die Grafik ist zu sehen.
Abschluss
Wir haben gezeigt, wie man in diesem Artikel Distplots zeichnet. Wir haben eine Vielzahl von Beispielen gesehen, die sich auf dieses gegebene Thema beziehen. Mit der Funktion distplot () der Seeborn -Bibliothek können die Benutzer ein Histogramm mit einer Linie anzeigen. Dies könnte auf verschiedene verschiedene Arten veranschaulicht werden. Seeborn wird häufig in Verbindung mit Matplotlib angewendet, was ein Visualisierungsrahmen ist. Ein Distplot ist ein Diagramm, das eine einzelne Variate-Dispersion der Daten zeigt. Die Hist -Methode von Matplotlib wird nach der KDEPLOT () -Methode in der DistPlot () -Methode integriert.