SEABORN -SCHLAUBE PLOUT

„Seeborn ist eine großartige Python -Visualisierungstechnik zur Anzeige analytischer Darstellungen. Es enthält ansprechende Standardstile und lebendige Farben, die statistische Grafiken erzeugen, die sehr faszinierend sind. Es wird zu Beginn des Matplotlib -Frameworks implementiert und ist eng mit Pandas Modulen verbunden. Streuplots werden mit einer Vielzahl semantischer Kategorien verwendet, um die visuelle Analyse zu unterstützen. Dies kann zweidimensionale Grafiken erzeugen, die durch Übersetzen in verschiedene Parameter und die Verwendung der Semantik der Farbe, Größe und Layout erweitert werden können.

Alle Merkmale beeinflussen die optische Interpretation, die verwendet werden kann, um zwischen Teilmengen zu unterscheiden. Wenn es darum geht, visueller zu produzieren, wird die Verwendung redundanter Interpretationen nützlich sein. In diesem Artikel haben wir mehrere Ansätze durchlaufen.”

Verwenden Sie ScatterPlot () -Funktion

Wir haben die Streudplot () -Methode verwendet, um die ScatterPlot zu erstellen. Hier werden die Tipps von Daten in der Streuung verwendet. Dies wäre eine Sammlung von Tippdaten, abhängig von der Gesamtrechnung. Für ein Diagramm können wir einen Datenrahmen verwenden. Der Code ist in Windows CMD geschrieben und wie folgt angezeigt.

Erstens wurden nur wenige erforderliche Bibliotheken importiert. Die Bibliothek Numpy wird als NP importiert; Pandas wird als PD importiert, Matplotlib wird als MPL, Malplotlib importiert.Pyplot als PLT und Seeborn werden als SNS importiert. In der nächsten Zeile wird die Funktion "Dataset () laden) angewendet, um den Datenrahmen zu laden. Wir haben „Tipps“ als Argument für diese Funktion gegeben.

Anschließend wenden wir die SET () -Funktion der Seeborn -Bibliothek an, um die Farbcodes anzugeben. Um den Streudiagramm zu zeichnen, haben wir die ScatterPlot () -Methode verwendet. Diese Funktion enthält drei verschiedene Parameter wie die Werte von x, y-Achsen und den Wert von Daten. Wir haben die Show () -Methode verwendet, um das Diagramm darzustellen.

Zeichnen Sie verschiedene Kategorien

Wir werden einen Parameter namens "Hue" in diesem Streudiagramm verwenden. Es ermöglicht Benutzern, Komponenten aus einer Grafikvariablen anzuzeigen. Dieses Attribut wird verwendet, um die Kategorien innerhalb einer nominalen Variablen zu visualisieren. Der Zusammenhang zwischen Länge und Breite des Sepals mehrerer Sorten wurde angezeigt. Das Hue -Attribut ermöglicht es uns, kategorisierte Werte in verschiedenen Tönen darzustellen. Der Code ist in Windows CMD geschrieben und wie folgt angezeigt.

Nach der Einbeziehung der Bibliotheken SeaBorn und Matplotlib.Pyplot, wir haben die Variable „iris_data“ deklariert.”Und wir haben dieser Variablen die geladenen Daten von Iris zugewiesen. In der nächsten Zeile haben wir die Größe des Diagramms mit der Funktion der Abbildung () angegeben. Die Größe wird in der Variablen „F gespeichert.”

Jetzt haben wir die scatterPlot () -Methode angewendet. Diese Funktion wird verwendet, um das Diagramm zu zeichnen. Wir haben die Beschriftungen beider Achsen, den Wert des HUE und den Datenrahmen als Parameter gegeben. Am Ende wird die Funktion show () verwendet, um die Handlung zu veranschaulichen.

Passen Sie die Farbe an

Durch die Verwendung des Palettenarguments haben wir den Scatterplot mit einem individuellen Farbschema angezeigt. Diese Funktion ermöglicht die Anzeige der kategorisierten Variablen durch einen expandierenden Farbton, wobei die Kategorien in der Reihenfolge der Erhöhung des numerischen Aggregats von Basser zu dunkleren Farbtönen gezeigt werden.

Da die Art eine längere Blumenlänge hat als andere Arten, wird sie im düstersten Schatten dargestellt, während diejenigen mit kürzeren Blütenblätterarten in leichteren Farbtönen dargestellt werden. Der Code ist in Windows CMD geschrieben und wie folgt angezeigt.

Zu Beginn des Programms haben wir die Header -Dateien integriert, die für die Darstellung erforderlich sind. Die Funktion "Dataset () laden) würde zum Laden des IRIS -Datenrahmens verwendet. Diese Methode spiegelt die Hauptattribute von drei verschiedenen Irisblüten wider, einschließlich Länge, Breite des Sepals, der Länge und der Breite des Blütenblatts. Die Größe der definierten Abbildung wird durch die Funktionsabbildung definiert ().

Mithilfe der scatterPlot () -Methode haben wir dann die Länge der Blütenblätter der verschiedenen Irisblüten des Datenrahmens in einem Streudiagramm aufgetragen. Die Länge der Blütenblätter der drei Blütensorten unterscheidet sich erheblich. Wir geben den Wert des Arguments „Palette“ für „Magma“ in der Funktion an. Wir haben die Show () -Methode verwendet, um das resultierende Diagramm zu bezeichnen.

Passen Sie die Form an

Wir werden auch den Parameter „Marker“ verwenden, um das Streupunktmuster an alle ausgewählten Designs anzupassen. Im Marktparameter können wir den Stil der Streupunkte angeben, die erfordern. In diesem Fall haben wir die Punkte mit einem "+" -Symbol angegeben. Der zusätzliche Parameter mit dem Namen "Alpha" wird verwendet, um die relative Luminanz der verschiedenen Punkte anzuzeigen. Der Code ist in Windows CMD geschrieben und wie folgt angezeigt.

Seeborn und Matplotlib.Pyplot -Header -Dateien wurden eingeführt. Wir müssen den Datenrahmen der Iris laden, damit wir load_dataset () verwendet haben. Die nächste Zeile enthält die Funktion, in der wir die Größe des Diagramms anpassen. Um die Handlung zu erstellen, haben wir die ScatterPlot () -Funktion verwendet. Für die verschiedenen Arten von Irisblüten zeigten wir die Breite des Sepals auf der x-Achse des Grundstücks und der Länge des Blütenblatts auf der Y-Achse.

Um die Streuungspunkte gemäß der Länge verschiedener Arten zu identifizieren, haben wir einen bestimmten Parameter verwendet, der als Größen bezeichnet wird. Wir werden feststellen, dass sich die Größe der Streuungspunkte je nach Länge des Sepals von breiter zu weniger ändern. Wir können den Unterschied zwischen Parametern, die eine bestimmte Version verwenden, genau definieren, indem wir den Parameter „Größen“ bereitstellen. Wir haben der Funktion den Parameter „Marker“ bereitgestellt und ihm den Wert zugewiesen “+.Um das Diagramm darzustellen, wird die Funktion show () verwendet.

Abschluss

Wir haben den Seeborn Scatterplot diskutiert, indem wir in diesem Artikel verschiedene Instanzen verwendet haben. Wir haben mehrere Streuplots mit der Unterstützung von SeaBorn- und Matplotlib -Bibliotheken gezogen. Dieser Artikel zeigte auch zahlreiche Elemente der ScatterPlot () -Funktion. Die integrierte Bibliothek Seaborn wird in der Python -Sprache eingesetzt. Es bietet eine einzigartige visuelle analytische Schnittstelle. Komponenten, die Datensätze, Prozesse und Datenverarbeitung anbieten. Die Module von Seeborn und Matplotlib werden häufig im Bereich der Datenanalyse angewendet. Wenn es darum geht, visueller zu entwerfen, kann es vorzuziehen sein, mehrere Begriffe zu integrieren.