Seeborn mehrere Diagramme

In diesem Linux -Tutorial werden wir durchgehen, wie man mehrere Diagramme im Seeborn -Gerüst zeichnet. Dies ist ein praktikabler Ansatz, um viele Versionen des identischen Graphen unter Verwendung verschiedener Datensätze zu erstellen. Es ermöglicht einem Benutzer, eine große Menge an Daten aus einem komplizierten Satz in kurzer Zeit abzurufen. Wir werden die FacetGrid () -Methode in Seeborn verwenden, um mehrere grafische Darstellungen in einer einzelnen Schnittstelle zu zeichnen. FacetGrid ist eine Methode zum Erstellen von Matrizen, die von einer Methode abhängen. Es unterstützt die Darstellung sowohl der Dispersion eines bestimmten Faktors als auch der Korrelation zwischen verschiedenen Parametern. Sein Objekt nimmt als Argument einen Datensatz und die Werte der Parameter an, um die Farbtonaspekte, die Zeile und die Spalte des Gitters zu bestimmen.

Beispiel 1

Wir werden die Daten verwenden, die als integrierter Datenrahmen im Seeborn -Paket bereitgestellt werden, um die Diagramme und Dimensionen zu konfigurieren, aber das würde nichts anderes auf diesen Diagrammen anzeigen. Die grundlegende Funktionalität ist praktisch mit der von FacetGrid identisch. Wir erstellen zunächst das Raster und geben die Erstellen einer Funktionalität für eine Anzeigemethode, die für jede Nebenhandlung ausgeführt wird. Der Code ist hier beigefügt und wurde in Windows CMD durch Installation von Python und verwandten Bibliotheken implementiert.

Importieren Sie Seeborn als SNS
Numph als NP importieren
Pandas als PD importieren
Matplotlib importieren.Pyplot als PLT
Tipps = SNS.Load_dataset ("Tipps")
g = sns.Facetgrid (Tipps, col = "Zeit")
PLT.zeigen()

Zu Beginn des Codes haben wir einige erforderliche Bibliotheken Seaborn als SNS, Numpy als NP, Pandas als PD und Matplotlib importiert.Pyplot als PLT. Jetzt möchten wir den Datenrahmen abrufen, damit wir die Methode load_dataset () verwendet haben. Und wir haben Tipps als Argument für diese Funktion gegeben. Um einfache mehrere Diagramme darzustellen, haben wir die Facegrid () -Methode aufgerufen. Wir haben dieser Funktion Tipps und Col als Parameter gegeben. Am Ende mussten wir die Handlung anzeigen, also verwendeten wir die Show () -Methode.

Seeborn FacetGrid

Beispiel 2

In dieser Situation zeichnen wir das Streudiagramm mit der ScatterPlot () -Methode. Wir können das FacetGrid () -Modul verwenden, um zahlreiche Grafiken zu erstellen. Es zeigt jedes Feld eines Datensatzes auf die Anzahl der Nummern der Matrix an und zeigt verschiedene Dimensionen an. Für ordinale Attribute können wir das Hue -Attribut verwenden, wobei jeder Ton eine separate Kategorie anzeigt. Der Code ist hier beigefügt und wurde in Windows CMD durch Installation von Python und verwandten Bibliotheken implementiert.

Importieren Sie Seeborn als SNS
Numph als NP importieren
Pandas als PD importieren
Matplotlib importieren.Pyplot als PLT
Tipps = SNS.Load_dataset ("Tipps")
g = sns.FacetGrid (Tipps, Col = "Sex", hue = "Raucher")
G.Karte (SNS.Streuung, "Total_bill", "Tipp", Alpha =.8)
G.add_legend ()
PLT.zeigen()

Nach der Einführung der Header -Dateien SeaBorn, Numpy, Pandas und Matplotlib.Pyplot. Wir werden den Datenrahmen von Spitzen laden. So wird die Funktion load_dataset () verwendet. Diese Funktion hängt mit dem Seeborn -Paket zusammen. Und wir haben diese Funktion als Attribut "Tipps" gegeben.

Jetzt möchten wir mehrere Grafiken zeichnen, also haben wir die FacetGrid () -Methode des Seeborn -Moduls angewendet. Diese Funktion enthält verschiedene Parameter. Die Tipps, Werte des COL und der Farbton werden als Attribute angegeben. Wir möchten das Streudiagramm zeichnen, also nennen wir im nächsten Schritt die Funktionsstreuung (). Darüber hinaus geben wir den Wert von Alpha als Argument der Funktionsstreuung () an ().

Um die Legende in die Grafik einzufügen, haben wir die Methode add_legend () ausgeführt. Am Ende haben wir die Show () -Methode angewendet, um nur das endgültige Diagramm auf dem Bildschirm darzustellen.

FacetGrid mit Farbton

Beispiel 3

Wir werden in diesem Fall mehrere KDE -Diagramme mit Hilfe der KDEPLOT () -Methode zeichnen. Die Werte im Datensatz werden verwendet, um die Standardanordnung der Elemente zu bestimmen. Die Abfolge der Kategorien wird bereitgestellt, wenn der Parameter, der zum Erstellen von Aspekten angewendet wird, eine kategorisierte Sortierung besitzt.

Alternativ würden die Aspekte in der Art und Weise angezeigt, in der die Attributebenen existieren. Das entsprechende Argument *_order kann verwendet werden, um die Indexierung einer Aspektkomponente bereitzustellen. Der Code ist hier beigefügt und wurde in Windows CMD durch Installation von Python und verwandten Bibliotheken implementiert.

Importieren Sie Seeborn als SNS
Numph als NP importieren
Pandas als PD importieren
Matplotlib importieren.Pyplot als PLT
Tipps = SNS.Load_dataset ("Tipps")
Ordered_days = Tipps.Tag.Value_Counts ().Index
g = sns.FacetGrid (Tipps, Row = "Day", row_order = ordered_days,
Höhe = 1.8, Aspekt = 5)
G.Karte (SNS.Kdeplot, "Total_bill")
PLT.zeigen()

Zuallererst integrieren wir die Header -Dateien Seeborn als SNS, Numpy als NP, Pandas als PD und Matplotlib.Pyplot. Im nächsten Schritt werden wir auf einen Tipps -Datenrahmen zugreifen. Infolge. Und wir haben diese Methode den Parameter „Tipps“ zugeteilt. Wir haben die FacetGrid () -Methode verwendet und zahlreiche Grafiken erstellt. Das Seeborn -Modul enthält diese Funktion.

Als Attribute, Tipps, Zeilen, Row_order, Höhe und Aspekt werden angegeben. Die Reihen der Handlung zeigen die Tage. Der Wert der Höhe beträgt 1.8, und der Aspekt wird 5 sein. Um die KDE -Handlung zu veranschaulichen, haben wir die KDEPLOT () -Funktion des Seeborn -Pakets aufgerufen. Anschließend haben wir die Funktion show () angewendet, um einfach die Grafik darzustellen.

Beispiel 4

Wir werden mehrere Diagramme zeichnen, indem wir die Funktion facetgrid () aufrufen. In diesem Szenario möchten wir die Regressionsdiagramme darstellen, damit wir die Regplot () -Funktion verwenden werden. Der Konstruktor akzeptiert mehrere Parameter, um das Layout des Netzes anzupassen. Der Code ist hier beigefügt und wurde in Windows CMD durch Installation von Python und verwandten Bibliotheken implementiert.

Importieren Sie Seeborn als SNS
Numph als NP importieren
Pandas als PD importieren
Matplotlib importieren.Pyplot als PLT
Tipps = SNS.Load_dataset ("Tipps")
g = sns.FacetGrid (Tipps, row = "raucher", col = "time", margin_titles = true)
G.Karte (SNS.Regplot, "Größe", "Total_bill", color = ".4 ", fit_reg = false, x_jitter =.2)
PLT.zeigen()

Hier werden die erforderlichen Bibliotheken SeaBorn, Numpy, Pandas, Matplotlib integriert.Pyplot. Jetzt müssen wir den Datenrahmen erhalten, damit wir die Methode load_dataset () der Seeborn -Header -Datei anwenden. Die FacetGrid () -Methode wird verwendet, um viele Karten darzustellen, damit wir diese Funktion aufrufen werden. Wir geben den Wert des neuen Attributs „margin_titles“ als wahr an.

Dann wollen wir die Regressionsdiagramme zeichnen, also haben wir die Regplot () -Methode aufgerufen. Diese Funktion enthält die Parameter einschließlich Größe, Total_bill, Farbe, Fit_reg und X_Jitter. Die geordneten Tage zeigen den Index von Value_Count (). Die Funktion "show () des Seeborn -Pakets wird angewendet, um die Handlung zu veranschaulichen.

Abschluss

In diesem Artikel haben wir untersucht. Unter Verwendung ihrer jeweiligen Funktionen können verschiedene Sorten mehrerer Diagramme gezogen werden. Wenn wir beabsichtigen, die Dispersion eines Parameters oder die Assoziation innerhalb der Teilmengen der Originaldaten manuell innerhalb zahlreicher Faktoren zu veranschaulichen, ist das FacetGrid -Modul sehr praktisch eingesetzt.