SEABORN -Jointplot

Eine JointPlot besteht aus drei Grafiken. Ein Diagramm zeigt einen multivariaten statistischen Graphen, der zeigt, wie die Kriterienvariable mit den Prädiktorvariablen schwankt. Das zweite Diagramm, das sich diagonal am oberen Rand des multivariaten Diagramms befindet, zeigt die Dispersion der unvoreingenommenen Variablen. Das letzte Diagramm, das sich am rechten Rand des multivariaten Diagramms mit einer vertikal angepassten Richtung befindet, repräsentiert die Dispersion der vorhergesagten Variablen.

Die Varianzanalyse bezieht sich auf einen bestimmten Parameter. Es bewertet und veranschaulicht relevante Anomalien in den Daten, während die multiple Regression die Verbindungen zwischen verschiedenen Variationen und der Intensität dieser Assoziation bewertet. Das Seeborn -Modul JointPlot () Die Methode berechnet ein Streudiagramm, das unterschiedliche Histogramme an der oberen Kante und den rechten Seiten des Diagramms enthält. In diesem Abschnitt werden wir darüber sprechen, wie man JointPlots zeichnet.

Verwenden Sie die Methode für JointPlot ()

Wir werden die verwenden JointPlot () Methode zum Erstellen der JointPlots. Der Diagramm in diesem Schritt zeigt ein Streudiagramm mit doppelten Histogrammen an den Kanten der Karte an. Die Grafik zeigt, dass die Felder „Gesamtrechnung“ und „Tipp“ eine positive Assoziation zu haben scheinen. Wenn der Wert eines Parameters zunimmt, wird es auch ein anderer.

Obwohl die Markierungen in der Tabelle verteilt sind, scheint der Korrelationswert bescheiden zu sein. Die relativen Histogramme sind gerade, weil die meisten Einträge auf die linke Hälfte der Dispersion beschränkt sind. Die rechte Hälfte ist jedoch breiter.

Importieren Sie Seeborn als SNS
Matplotlib importieren.Pyplot als PLT
Tipps = SNS.load_dataset ('tipps')
sns.JointPlot (x = 'Total_bill', y = 'Tipp', Daten = Tipps, Höhe = 10, Verhältnis = 4, Space = 1)
PLT.zeigen()

Zu Beginn des Programms haben wir SeaBorn und Matplotlib eingeführt.Pyplot -Bibliotheken. Der Seeborn wird als SNS und Matplolib importiert.Pyplot wird als PLT importiert. Als nächstes werden wir die Daten von „Tipps“ mithilfe der Funktion abrufen load_dataset (). Das Seeborn -Modul hält diese Funktion. Der Kopf() Funktion wird aufgerufen. Wir haben die angewendet JointPlot () Methode der Seebornbibliothek. Diese Funktion wird verwendet, um die JointPlots zu zeichnen. Wir haben die Bildunterschriften beider Achsen, Datensatz, die Höhe des Diagramms, des Verhältnisses und des Raums als Parameter des JointPlot () Methode. Am Ende die zeigen() Funktion von Matplotlib.PyPlot wird verwendet, um die Grafik darzustellen.

Zeichnen Sie eine Jointsplot mit einem Farbschema

Indem die Variablen für Raucher das Argument „Hue“ an „Raucher“ angeben, werden in diesem Beispiel in unterschiedlichen Farbtönen gezeigt. Schauen Sie sich an, wie leicht die beiden Komponenten des „Rauchers“ getrennt werden. Dichtediagramme werden an beiden Grenzen und nicht an Histogrammen dargestellt, um die Datendarstellung für die mehreren Kategorien des Farbparameters unabhängig zu veranschaulichen.

Importieren Sie Seeborn als SNS
Matplotlib importieren.Pyplot als PLT
Tipps = SNS.load_dataset ('tipps')
sns.JointPlot (x = 'Total_bill', y = 'Tipp', Data = Tipps, Hue = 'Raucher')
PLT.zeigen()

Wir haben die Seeborn und Matplotlib integriert.Pyplot -Bibliotheken zu Beginn des Programms. Der SNS wird verwendet, um das Seeborn zu importieren, und in ähnlicher Weise wird PLT verwendet, um Matplotlib zu importieren.Pyplot. Als Nächst. Dies ist eine Methode des Seeborn -Pakets. Der Head () Methode Wird angewendet werden. Die Seeborn -Bibliothek der SeaBorbibliothek JointPlot () Funktion wurde verwendet. Die JointPlots werden während der Verwendung dieser Methode gezeichnet. Als Argumente der Funktion JointPlot (), Wir haben Titel für X- und Y-Achse, Datenrahmen und Farbton bereitgestellt. Der Parameter „Hue“ bestimmt den Farbton der Handlung. Schließlich mit Hilfe des Matplotlibs.Pyplot's zeigen() Methode wird das Diagramm angezeigt.

Zeichnen Sie eine Regressionslinie

Eine Steigung der Linie zeigt die Beziehung zwischen verschiedenen Variablen. Die Kurve wurde gezeichnet. Daher wäre es für die meisten Datensätze so nah wie möglich sein. Die Regressionslinie wird mit numerischen Methoden berechnet, und wir können diesen Ausdruck verwenden, um die Variablen zu bestimmen. Wenn das Argument „Art“ an „Reg“ zugeordnet ist, die JointPlot () Methode wird aufgerufen. Eine Regressionslinie wird im Diagramm erstellt. Die Regressionslinie wird verwendet, um verschiedene Leistungsmaßnahmen anzuzeigen.

Importieren Sie Seeborn als SNS
Matplotlib importieren.Pyplot als PLT
Tipps = SNS.load_dataset ('tipps')
sns.JointPlot (x = 'Total_bill', y = 'Tipp', Data = Tipps, Sort = 'Reg')
PLT.zeigen()

Zuerst haben wir die erforderlichen Header -Dateien importiert: Seeborn als SNS und Matplotlib.Pyplot als PLT. Laden wir den eingebauten Datensatz von Tipps mit Hilfe von load_dataset (). Diese Funktion ist mit dem Seeborn -Paket verbunden. Wir haben die benutzt Kopf() Methode. Als nächstes ziehen wir die JointPlots, indem wir die verwenden JointPlot () Methode der Seebornbibliothek. Diese Funktion enthält unterschiedliche Parameter, die den Titel der X-Achse als „Total_bill“, die y-Achse als „Tipp“, Tipps und Art enthalten.

Wir haben den Wert des Arguments "Art" als "Reg" festgelegt, um die Regressionslinie in der Grafik zu zeichnen. Wir nennen jetzt das zeigen() Funktion zur Veranschaulichung des resultierenden Diagramms.

Zeichnen Sie 2D -Histogramm

Das Argument „Art“ im vorherigen Programm würde als „Hist“ angegeben, und die JointPlot zeigt ein 2D -Histogramm. Die Frequenzanalyse für zwei aufeinanderfolgende nominelle Variablen wird in einem 2D -Histogramm verwendet. Die Länge der Linien in einem 1D -Histogramm spiegelt die Gesamtsumme wider. In einem 2D -Histogramm zeigt jeder Balk in der Grafik eine Zwischenzeit und enthält die kumulative Wahrscheinlichkeit des Auftretens der Einträge in beiden Kategorien. Das Primärdiagramm besteht aus quadratischen Segmenten, die in einem Spektrum gefärbt wurden.

Importieren Sie Seeborn als SNS
Matplotlib importieren.Pyplot als PLT
Tipps = SNS.load_dataset ('tipps')
sns.JointPlot (x = 'Total_bill', y = 'Tipp', Data = Tipps, Sort = 'Hist')
PLT.zeigen()

Nach der Einführung der Bibliotheken SeaBorn und Matplotlib.Pyplot mit Unterstützung der load_dataset (), Wir würden die integrierten Datenpunkte von Tipps laden. Das Seeborn -Modul ist mit dieser Methode verbunden. Der Kopf() Funktion wurde verwendet.

Als nächstes werden wir die verwenden JointPlot () Funktion des Seeborn -Pakets zum Erstellen von JointPlots. Diese Methode enthält mehrere Parameter, einschließlich der X-Achse-Etikett von „Total Bill“, Y-Achse-Etikett von „Tipp“, Tipps und Art. Um ein zweidimensionales Histogramm zu zeichnen, definieren wir den Wert des Parameters „Art“ zu „Hist“. Wir haben die benutzt zeigen() Methode zur Visualisierung des endgültigen Diagramms.

Abschluss

Wir haben mehrere Ansätze besprochen, um die JointPlots mit Hilfe des Seeborn -Pakets zu zeichnen. Durch Bereitstellung numerischer Wert für die entsprechenden Argumente an die joinplot () Methode, Wir können die Dimension des Diagramms, den Anteil der Achsen, die Höhe der Koordinaten und den Abstand zwischen der x- und y-Achse ändern. Auf den JointPlots können wir das Layout des Diagramms ändern und die Regressionslinie hinzufügen.