Seeborn gestapeltes Bar Grundstück

Datenerforschung ist etwas, das wir alle gerne tun. Die explorative Datenanalyse ist der Prozess des Datenes und des Verständnisses oder des Extrahierens wichtiger Informationen. Daten können auf viele verschiedene Arten angezeigt werden. Ein gestapeltes Balkendiagramm ist ein nützliches Diagramm, das in einer Vielzahl von Anwendungen und Präsentationen verwendet wird. Wir werden lernen, wie man in diesem Artikel gestapelte Barplots mit Python versteht und baut.

Was ist eine gestapelte Bar in Seeborn

Ein gestapeltes Balkendiagramm ist eine visuelle Darstellung eines Datensatzes, in dem die Kategorie mit bestimmten Formen wie Rechtecken hervorgehoben wird. Die im Datensatz bereitgestellten Daten werden durch Länge und Höhen des Balkendiagramms dargestellt. In einem gestapelten Balkendiagramm enthält eine Achse den Anteil der Zählungen, die einer spezifischen Klassifizierung einer Spalte im Datensatz zugeordnet sind, während die andere Achse die damit verbundenen Werte oder Zählungen darstellt. Stapelte Stangendiagramme könnten horizontal oder vertikal dargestellt werden. Das vertikale Balkendiagramm ist als Spaltendiagramm bekannt.

Ein gestapelter Balkendiagramm ist eine Art von Grafik, bei der jede Balken grafisch in Subbalken unterteilt ist, um zahlreiche Datenspalten gleichzeitig anzuzeigen.

Es lohnt sich auch daran zu erinnern, dass ein Balkendiagramm nur den mittleren (oder einen anderen Schätzer) Wert zeigt, während der Bereich der möglichen Werte in jeder Skala der kategorialen Daten unter vielen Umständen hilfreicher sein kann. Andere Diagramme wie eine Box oder eine Geigenhandlung wären in diesem Szenario angemessener.

Syntax des Seeborn -Stapel -Bar -Diagramms

Die Syntax der gestapelten Stapel -Bardiagrammfunktion ist extrem einfach.

DataFramenname.Plot (sort = 'bar', stapeled = true, color = [color1, color2,… colorn])

Hier ist der DataFramenname im Plot -Datensatz. Dies wird als breite Form angesehen, wenn x und y nicht vorhanden sind. Abgesehen davon wird es in diesem Datenframnamen langweilig sein. Die Handlungsmethode muss auf gestapelt sein = treu, um das gestapelte Balkenlayout zu zeichnen. Wir können auch eine Farbliste übergeben, die wir verwendet haben, um jeden Substange in einer Balken getrennt zu färben. Einige andere optionale Parameter spielen auch eine wichtige Rolle bei der Darstellung der gestapelten Balkenplots.

Bestellung, Hue_order: Die kategorialen Ebenen müssen in der Reihenfolge aufgetragen werden; Andernfalls werden die Stufen aus den Datenelementen angenommen.

Schätzer: Verwenden Sie in jedem kategorialen Bin diese statistische Funktion, um abzuschätzen.

CI (Float, SD, keine): Die Breite der Konfidenzintervalle sollte um die geschätzten Werte gezogen werden, wenn „SD“ die Skalierung überspringt und stattdessen die Standardabweichung der Beobachtungen zeigt. Es gibt kein Bootstrapping und keine Fehlerbalken, wenn keine angegeben ist.

n_boot (int): Die Häufigkeit von Bootstrap -Zyklen, die bei der Berechnung statistischer Modelle verwendet werden sollen.

Orient: Die Handlung ist auf eine bestimmte Weise ausgerichtet (vertikal oder horizontal). Dies wird normalerweise aus den Typen der Eingabevariablen abgeleitet, kann jedoch verwendet werden, um die Unsicherheit zu klären, bei der sowohl x als auch y Variablen Ganzzahlen sind oder bei der Visualisierung einer Weitform-Daten.

Palette: Farben, die für verschiedene Farbtöne verwendet werden sollen. Sollte ein Wörterbuch sein, das Farbtöne in Matplotlib -Farben übersetzt, oder alles, was Farbpalette () verstehen kann.

Sättigung: Die Farben sollten in einem Teil der tatsächlichen Sättigung gezeichnet werden. Große Bereiche profitieren von mäßig abgesättigten Farben, aber es sei denn, wir möchten, dass die Handlungsfarben genau die Eingabefarbspezifikationen erfüllen, stellen Sie diese auf 1 ein.

Errcolor: Die Linien, die das statistische Modell darstellen, sind unterschiedlich gefärbt.

Errwidth (Float): Zeilendicke der Fehlerbalken (und Kappen).

Dodge (Bool): Ob Elemente entlang der kategorisierten Achse bewegt werden sollten, wenn die Verschachtung des Farbtons verwendet wird.

Beispiel 1:

Wir haben ein einfach gestapeltes Bar -Diagramm, das den Verkauf des Autos über verschiedene Monate zeigt. Wir haben einige Bibliotheken aufgenommen, die für diesen Beispielcode erforderlich sind. Anschließend haben wir in der Variablen „DF“ einen Datenrahmen erstellt. Wir haben drei Felder mit dem Autonamen mit unterschiedlichen Prozentsätzen des Umsatzes pro Jahr, und im Indexfeld haben wir die Monatsnamen aufgenommen. Dann haben wir die gestapelte Balkenhandlung erstellt, indem wir den DF aufgerufen haben.Zeichnen Sie die Parameterart als Balken auf und stapelten den Wert auf True in ihm. Danach haben wir das Etikett der X- und Y-Achse zugewiesen und den Titel für die gestapelte Balkenhandlung festgelegt.

Matplotlib importieren.Pyplot als PLT
Importieren Sie Seeborn als SNS
df.explodieren ('z')
Pandas als PD importieren
df = pd.DataFrame ('BMW': [14, 33, 43, 81, 52, 24, 18, 85, 12, 68, 75, 21],
'CVICS': [22, 23, 10, 72, 31, 48, 52, 42, 32, 21, 55, 35],
'Ferrari': [35, 48, 12, 35, 63, 20, 32, 53, 20, 35, 27, 58],
Index = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec' ]))
df.Plot (sort = 'bar', stapeled = true, color = ['blau', 'rot', 'orange'])
PLT.XLabel ("Verkaufsmonate")
PLT.Ylabel ("Verkaufsbereiche")
PLT.Titel ("Autoverkauf in einem Jahr")
PLT.zeigen()

Die visuelle Darstellung des gestapelten Balkendiagramms lautet wie folgt:

Beispiel 2:

Der folgende Code zeigt, wie Sie Axis-Titel und einen Übersichtstitel hinzufügen und wie Sie die X-Achse- und Y-Achse-Beschriftungen für eine bessere Lesbarkeit drehen können. Wir haben den Datenrahmen der Arbeiter mit den Morgen- und Abendschichten über die Tage innerhalb einer Variablen „DF“ erstellt. Dann haben wir mit der DF ein gestapelter Stapelhandlung erstellt.Diagrammfunktion. Danach setzen wir den Titel für die Handlung als "Firma Labors" mit der Schriftgröße. Die Etiketten für die X-Achse und die Y-Achse-ID sind ebenfalls angegeben. Am Ende gaben wir einen Winkel zu den x- und y -Variablen, die sich nach diesem Winkel drehen.

Pandas als PD importieren
Matplotlib importieren.Pyplot als PLT
Importieren Sie Seeborn als SNS
df = pd.DataFrame ('Days': ['mon', 'tue', 'mi,' thur ',' fr '],
'Morgenschicht': [32, 36, 45, 50, 59],
'Abendschicht': [44, 47, 56, 58, 65])
df.Plot (sort = 'bar', stapeled = true, color = ['rot', 'orange'])
PLT.Titel ('Company Labors', fontsize = 15)
PLT.xlabel ('Tage')
PLT.Ylabel ('Anzahl der Arbeiten')
PLT.Xticks (Rotation = 35)
PLT.yticks (Rotation = 35)
PLT.zeigen()

Das gestapelte Balkendiagramm mit den Rotations -X- und Y -Beschriftungen ist in der Abbildung wie folgt dargestellt:

Beispiel 3:

Wir können das gleiche Balkenplot verwenden, um eine Reihe von kategorialen Werten anzuzeigen. Das Endergebnis hat kein gestapeltes Aussehen, sondern zeigt stattdessen die Beobachtungen in einem einzelnen Diagramm mit mehreren Balken. Im Beispielcode setzen wir den Datenrahmen, der die Daten des Mobilfunks an verschiedenen Tagen mit unterschiedlichen Raten aufweist. Dieses Diagramm zeigt die Raten von zwei Mobilgeräten gleichzeitig, wenn wir den X- und Y -Variablenparameter in der Saeborn -Stangen -Diagrammfunktion mit dem Hue -Set als mobil einstellen.

Pandas als PD importieren
Matplotlib importieren.Pyplot als PLT
Importieren Sie Seeborn als SNS
df = pd.DataFrame ("Preise": [40, 80, 50, 60, 70, 50, 80, 40, 30, 40, 20, 30, 50, 70],
"Mobile": ['Oppo', 'Samsung', 'Oppo', 'Samsung', 'Oppo', 'Samsung', 'Oppo', 'Samsung', 'Oppo', 'Samsung', 'Oppo', ',' Samsung ',' Oppo ',' Samsung '],
"Tage": [1, 1, 2, 2, 3, 3, 4, 4, 5, 5, 6, 6, 7, 7])
S = SNS.barplot (x = "Tage", y = 'rate', data = df, hue = "mobil")
PLT.zeigen()

Das Diagramm wird mit den beiden Balken in der folgenden Diagrammabbildung visualisiert:

Abschluss

Hier erklärten wir kurz die gestapelte Bar mit der SeaBorn -Bibliothek. Wir haben das gestapelte Balkendiagramm mit unterschiedlicher Visualisierung der Datenrahmen und auch mit unterschiedlichem Styling von X- und Y -Labels gezeigt. Die Skripte sind einfach zu verstehen und zu lernen mit dem Ubuntu 20.04 Terminal. Alle drei Beispiele können gemäß den Arbeitsanforderungen der Benutzer geändert werden.