SEABORN SWARMPLOT

Das Schwarmdiagramm ist identisch mit dem Streifendiagramm, außer dass die Kanten so modifiziert werden, dass sie sich nicht miteinander überschneiden, was dazu beiträgt, die Visualisierung der Daten effektiv zu veranschaulichen. Ein Schwarm -Diagramm wird allein erstellt. Es wird jedoch bevorzugt, es in Verbindung mit einer Box zu verwenden, da die entsprechenden Titel zum Beschriftung der Abmessungen verwendet werden. Zeichnen wir die Schwarmkarten mit Hilfe der SwarmPlot () -Funktion.

Beispiel Nr.1:

Hier erstellen wir ein kategorisiertes Wahrscheinlichkeitsdiagramm mit Punkten, die sich nicht überlappen. Daher verwenden wir die SwarmPlot () -Methode, um ein Diagramm zu erstellen, das die diskreten Werte enthält.

Zu Beginn des Codes integrieren wir die Pakete Pandas als PD, Matplotlib.Pyplot als PLT und Seeborn als SNS. Als nächstes geben wir den Datensatz mit Hilfe der DataFrame () -Methode an. Diese Funktion ist dem Pandas -Modul zugeordnet. Wir erstellen vier verschiedene Arrays. Das erste Array enthält die Menge der ausverkauften Produkte. Das zweite Array zeigt die Raten der Produkte. Das dritte Array hält den Rekord der Monate. Das letzte Array enthält Daten zu den Produktnamen.

Im nächsten Schritt möchten wir das Schwarm -Diagramm zeichnen, also nennen wir die SwarmPlot () -Funktion. Am Ende verwenden wir die Show () -Funktion des Matplotlibs.Pyplot -Bibliothek.

Beispiel Nr.2:

Wir verwenden das Hue -Argument innerhalb der SwarmPlot () -Methode und teilen die Segmente für die Mehrfachprodukte in dieser Instanz auf. Indem wir den Wert des Parameters „Dodge“ auf True angeben, trennen wir die Elemente. Wir können auch einige zusätzliche Parameter über die SwarmPlot () -Methode übergeben. Der Größenparameter wird verwendet, um die „Größe“ der Elemente anzupassen.

Mit Hilfe des Attributs „Palette“ ändern wir das Farbschema für verschiedene Gruppen. Die Option „Linienbreite“ liefert eine Grenze zur definierten Breite von Punkten. Wenden wir alle zuvor Parameter im Code an.

Zunächst integrieren wir die erforderlichen Header -Dateien. Die Pandas -Bibliothek ist als PD, Matplotlib integriert.Pyplot ist als PLT integriert und Seeborn ist als SNS integriert. Die Funktion DataFrame () wird verwendet, um den Datensatz bereitzustellen. Das Pandas -Paket ist mit dieser Methode verknüpft. Wir machen vier einzigartige Arrays. Die Anzahl der ausverkauften Artikel ist im ersten Array dargestellt. Die Preisgestaltung der Waren wird im zweiten Array angezeigt. Die Daten der Monate werden im dritten Array aufbewahrt. Die Titel der Waren werden im letzten Array gespeichert.

Jetzt wird die Schwarmfigur gezeichnet, daher verwenden wir die SwarmPlot () -Methode. Der Datensatz, die X- und Y-A-Achse-Etiketten, der Farbton, die Ausweichen, die Linienbreite, die Palette und die Größe sind alle Argumente für diese Methode. Der Wert des „Farbton“ ist das Produkt. Die "Linienbreite" beträgt 3.5. Die "Palette" ist festgelegt2. Und die „Größe“ beträgt 14. Wir beenden den Code, indem wir das resultierende Diagramm veranschaulichen, sodass wir die Show () -Methode anwenden.

Beispiel Nr.3:

Jede Dimension des Parameters „Hue“ wird durch einen bestimmten Bereich in der statistischen Kategorieebene dargestellt. Wir konfigurieren das „Ausweichen“ mit dem wahren Parameter „HUE“ und isoliert die Elemente für mehrere Farbtonschwankungen. Der Parameter „Palette“ wird verwendet, um die verschiedenen Farbtöne des Hue -Attributs darzustellen.

Nach Einbeziehung der Seeborn und Matplotlib.Pyplot -Bibliotheken nennen wir die SET () -Funktion des Seeborn -Pakets. Wir übergeben den Stil als Parameter an diese Funktion. Wir geben dem Style -Parameter den Wert "WhiteGrid". Es zeigt die Hintergrundfarbe des Diagramms.

Jetzt erhalten wir den integrierten Datenrahmen, daher verwenden wir die Funktion load_dataset (). Diese Funktion stammt aus der Seeborn -Header -Datei und enthält die „Tipps“ als Argument. Als nächstes verwenden wir die SwarmPlot () -Methode, um das Swarm -Diagramm zu erstellen. Hier geben wir den Titel beider Achsen an, den Wert von Farbton, Daten, Palette und Ausweichen als Parameter der Funktion. Die x-Achse zeigt den Datensatz der Tage an, während die y-Achse den Datensatz des Total_bill zeigt. Um das endgültige Diagramm darzustellen, nennen wir die modal methode (). Der Matplotlib.Das Pyplot -Modul enthält diese Funktionalität.

Beispiel Nr.4:

Mit Hilfe des "Marker" -attributs sowie des Arguments "Alpha" zeichnen wir die massiven Punkte und verschiedene Stile. Wir verwenden das Attribut „Alpha“, um die Sichtbarkeit des Datenwerts zu steuern. Und wenden Sie das Argument „Marker“ an, damit der Indikator den Datensatz ändern kann.

Hier stellen wir SeaBorn und Matplotlib vor.Pyplot -Frameworks. Die set () -Methode der Seeborn -Komponente wird verwendet. Der Stil wird als Argument für diese Methode geliefert. Wir bieten die Stilvariable mit dem Wert „WhiteGrid“. Es zeigt das visuelle Erscheinungsbild des Diagramms an.

Wir beabsichtigen, den integrierten Datenrahmen zu erhalten. Diese Methode erfolgt aus der Seeborn -Vorlage und hat den Parameter „Tipps“. Die Schwarmfigur wird dann mit Hilfe der SwarmPlot () -Technik erstellt. Die Eingaben der Funktion sind die Bildunterschrift beider Achsen, Farbtonwert, Daten, Palette, Größe des Markers, Form des Markers, EdgeColor und Alpha -Wert.

Die x-Achse zeigt die Daten der Tage, während die y-Achse den Rekord der Gesamtzahl der Rechnung angibt. Die Marker der Form '*' mit der Größe 20 sind in dieser Schwarmkarte zu finden. Die show () Funktion von Matplotlib.PyPlot wird verwendet, um das ultimative Diagramm darzustellen.

Abschluss

Wir haben die verschiedenen Techniken zur Darstellung der Schwarmplot in diesem Artikel diskutiert. Schwarmkarten sind eine Form des Streudiagramms, die angewendet werden, um kategoriale Daten anzuzeigen. Es verhindert, dass sich die Elemente überlappen. Wir können die SwarmPlot () -Methode verwenden, um diese Diagramme zu zeichnen. Wenn der Beispielrahmen riesig ist, können wir diese Art von Grafik nicht verwenden.