Seeborn Lineplot
Seeborn bietet eine bessere Schnittstelle als Matplotlib. Daher können die Benutzer viele Änderungen vereinfachen. Einige Operationen, die ansonsten erforderlich müssten, um Matplotlib -Diagramme als empfindungsfähig zu erstellen. Es funktioniert auch gut mit Pandas-Datentypen, die Daten vorverarbeiten und visualisiert haben. Es enthält auch mehrere Grafiken mit nützlichen Parametern und einem ansprechenden Layout.
Erstellen Sie ein Zeilendiagramm, das mehrere semantische Kategorien ermöglicht. Die Paletten-, Größe und Layout -Attribute werden verwendet, um die Korrelation zwischen den Variablen für bestimmte Datensätze anzuzeigen. Mehrere Attribute bestimmen, welche grafische Semantik verwendet wurde, um die verschiedenen Kategorien zu unterscheiden. Durch die Verwendung dieser semantischen Sorten ist es erreichbar, die Elemente getrennt darzustellen. Diese Art der Handlung könnte jedoch schwer zu verstehen sein und ist normalerweise ineffizient.
Das Erstellen von Visuals nutzbarer und die Bereitstellung mehrerer Semantik (wie Tönung und Design für fast ein ähnliches Element) kann vorzuziehen sein. Zeichnen wir Liniendiagramme mit verschiedenen Methoden.
Verwenden Sie Lineplot () -Funktion
In diesem Fall haben wir die Lineplot () -Methode verwendet, um ein Zeilendiagramm zu erstellen. Die Seeborn -Bibliothek hält den Funktionslineplot (). Wir werden zufällige Daten verwenden, um das Zeilendiagramm zu zeichnen:
Pandas als PD importierenImportieren Sie Seeborn als SNS
Matplotlib importieren.Pyplot als PLT
Jahr = [2011, 2013, 2015, 2017, 2019, 2021, 2022]
Gewinn = [90, 85.8, 60, 55, 77.5, 29, 45.6]
data_plot = pd.DataFrame ("Jahr": Jahr, "Gewinn": Gewinn)
sns.lineplot (x = "Jahr", y = "profit", data = data_plot)
PLT.zeigen()
Zu Beginn des Programms müssen wir einige Bibliotheken integrieren. Die Bibliothek PANDAS wird als "PD" integriert, Seaborn wird als "SNS" und Matplotlib integriert.PyPlot wird als "PLT" integriert. Pandas ist eines der eingebauten Pakete, die es einfach und instinktiv machen sollen, mit linearen oder kategorisierten Daten zu arbeiten. Es enthält einige Datenmodelle und Methoden für die Arbeit mit statistischen Informationen und verallgemeinerten linearen Daten. Seeborn ist ein Python -Modul zum Erstellen numerischer Visuals. Es basiert auf Matplotlib und korreliert effektiv mit der Pandas -Bibliothek.
Die SeaBorn -Bibliothek unterstützt Benutzer beim Zugriff auf und bewertet die Daten. Zu den am häufigsten verwendeten Modulen für die Datenanalyse gehört Matplotlib. Diese Bibliothek wird ein plattformübergreifendes Paket sein, das zwei dimensionale Diagramme unter Verwendung eines Datenbereichs erstellt. Es enthält eine Schnittstelle zum Integrieren von Grafiken in das grafische Rahmen von Python basierend auf Anwendungen.
In der nächsten Zeile haben wir eine Variable mit dem Namen "Jahr" initialisiert und ab 2011 einige zufällige Jahre zugewiesen und im Jahr 2022 endet. Dann geben wir den Datensatz des Gewinns an und definieren die Werte. Wir haben die Data Frame () -Funktion verwendet. Um einen kurzen Überblick über den neuen Datensatz zu erhalten, verwenden Sie die DataFrame () -Methode des Pandas -Pakets. Es ist besonders nützlich bei der Ausführung der explorativen Datenbewertung. Wir verwenden die DataFrame () -Methode, um auf einen dynamischen Einblick in die Originaldaten zuzugreifen. Diese Funktion hält die Variablen "Jahr" und "Gewinn" als Parameter. Diese Daten werden in der Variablen 'Data_Plot' gespeichert.
Zeichnen Sie nun das Liniendiagramm. Wir haben es also auf die Lineplot () -Methode der Seeborn -Bibliothek angewendet. Hier. Wir haben die Etiketten der X- und Y -Achsen bereitgestellt. Die X-Achse wird als "Jahr" bezeichnet und die Y-Achse wird als "Gewinn" bezeichnet. Am Ende veranschaulichen wir das Liniendiagramm, damit die Show () -Methode verwendet wird.
Die proportionale Korrelation zwischen den beiden verschiedenen Elementen des Datensatzes ist im obigen Diagramm gezeigt.
Verwenden Sie den Datenrahmen von "Iris"
Hier haben wir die Funktion lineplot () aufgerufen, um den Datenrahmen der Irisblüten zu veranschaulichen:
Importieren Sie Seeborn als SNSMatplotlib importieren.Pyplot als PLT
Daten = SNS.load_dataset ("iris")
sns.lineplot (x = "sepal_length", y = "sepal_width", data = data)
PLT.zeigen()
Nach der Einführung der erforderlichen Header -Dateien SeaBorn und Matplotlib.Pyplot, wir werden den Datenrahmen der Irisblüten laden. Die Funktion load_dataset () wird also verwendet. Diese Funktion hängt mit dem Seeborn -Paket zusammen. Wir haben 'Iris' als Attribut für diese Funktion gegeben. Jetzt zeichnen wir das spezifische Liniendiagramm, das wir auf die Lineplot () -Methode angewendet haben. Diese Funktion enthält verschiedene Parameter.
Die Länge und Breite der Kelchblätter werden als Attribute angegeben. Die x-Achse der Handlung zeigt die Länge des Kreises, während die y-Achse die Breite des Kreises zeigt. Nach all dem haben wir die Show () -Methode verwendet, um einfach das Zeilendiagramm auf dem Bildschirm anzuzeigen.
Verwenden Sie den Parameter "HUE" der Lineplot () -Funktion
Das Argument "Hue" kann angewendet werden, um die mehreren Parameter des Datenrahmens zu kategorisieren, und kann verwendet werden, um die Korrelation zwischen Datenfeldern beider Achsen zu demonstrieren, wenn die Daten als Parameter für die Funktion angegeben werden.
Importieren Sie Seeborn als SNSMatplotlib importieren.Pyplot als PLT
Daten = SNS.Load_dataset ("Tipps")
sns.lineplot (x = "Total_bill", y = "Größe",
Hue = "Sex",,
Daten = Daten)
PLT.zeigen()
Zuerst importieren wir die Header -Dateien SeaBorn und Matplotlib.Pyplot. Wir werden auf einen Tipps -Datenrahmen zugreifen. Infolgedessen würde die Methode load Dataset () aufgerufen. Wir haben die Parameter -Tipps zugewiesen. Wir haben die Lineplot () -Methode verwendet, um ein bestimmtes Zeilendiagramm zu erstellen. Diese Methode hat eine Reihe von Parametern. Attribute, Gesamtrechnung, Größe, Farbton und Stil werden angegeben. Die Gesamtrechnung ist auf der x-Achse aufgetragen, während die Größe auf der y-Achse aufgetragen wird.
Wir haben den Wert von "Hue" auf "Sex" und den Stil für "Sex" festgelegt. Anschließend haben wir die Funktion show () angewendet, um einfach das Liniendiagramm auf dem Terminal zu präsentieren.
Abschluss
In diesem Artikel haben wir untersucht. Wir haben auch die Zeilendiagramme mit Hilfe mehrerer Beispiele erstellt und verschiedene Parameter an diese Funktion übergeben. Es können mehrere Zeilen gezeichnet werden, um die Daten an identischen Stellen oder Grafiken anzuzeigen. Wir können die Interaktion zwischen mehreren Datenzeilen oder Datenelementen darstellen, indem wir ähnliche oder sortierte Datensätze oder Datenparameter verwenden. Um Farbgradienten für zahlreiche Datensätze zu zeichnen, haben wir das Argument "Hue" verwendet.