Seeborn Violin Grundstück

Seeborn ist eine großartige grafische Grenzfläche Python zur Visualisierung der statistischen Grafiken. Es enthält großartige Standardlayouts und Farbschemata, mit denen die numerischen Visualisierungen sehr ansprechend sind. Eine Geigenplot führt eine identische Funktion mit der eines Borsten- oder Box -Diagramms aus. Es zeigt eine Reihe numerischer Datenpunkte unter einem oder möglicherweise kontinuierlicheren Variablen. Das Geigendiagramm hat abgesehen von einer Box -Handlung eine Kernendichteschätzung der Dichtefunktion. Dies kann eine effiziente und elegante Technik sein, um mehrere Datenpunkte in räumlichen Abmessungen anzuzeigen.

In einer „breiten Form“ ist jedes statistische Element, das auf dem Diagramm dargestellt werden kann, in einem Datensatz enthalten. Das Numpy -Paket oder andere verschiedene Module können verwendet werden. Pandas -Bibliotheken werden jedoch im Allgemeinen empfohlen, da die entsprechenden Beschriftungen erforderlich sind, um beide Achse zu definieren. Insbesondere im Vergleich zu Boxplots, die auch die relevanten Daten verdecken können, erfordern Geigenplots eine erhöhte Erkennung.

Beispiel 1

In diesem Fall verwenden wir die Geigenplot (), um eine allgemeine Darstellung der fMRI -Datenbank zu erstellen. Wir kategorisieren die Datenelemente nach Attribut, die in diesem Fall die Region und das Ereignis umfassen.

Seeborn importieren
Matplotlib importieren.Pyplot als PLT
Seeborn.set (style = 'WhiteGrid')
fmri = seaBorn.load_dataset ("fmri")
Seeborn.Geigenplot (x = "TimePoint",
y = "Signal",
Hue = "Region",
style = "event",
Daten = fMRI)
PLT.zeigen()

Nach dem Importieren der Header -Dateien SeaBorn und Matplotlib.Pyplot, wir verwenden die set () -Methode des Seeborn -Pakets. Dies enthält den „Stil“ als Parameter. Wir geben den Stil unserer Handlung mit Hilfe dieses Parameters an. Jetzt importieren wir den Datenrahmen von „fMRI“, damit wir die Funktion load_dataset () verwenden.

In diesem Schritt wenden wir die Methode Geigenplot () an, um die Geigendiagramme zu zeichnen. Das Seeborn -Modul enthält diese Funktion. Hier geben wir den Titel der X-Achse und der Y-Achse, des Farbtons, des Stils und der Daten an. Eine Geigengrafik ist in Bezug. Es zeigt die Vielfalt der statistischen Daten in den verschiedenen Stadien von nur einer und vielleicht kategorischeren Variablen, die für die Vergleichbarkeit sorgt. Dies könnte ein effizienter und ansprechender Ansatz sein, um die zahlreichen Datenanteile gleichzeitig zu veranschaulichen. Am Ende verwenden wir die Methode show (), um die Grafik zu veranschaulichen.

Beispiel 2

Der Parameter „Palette“ wird in diesem Beispiel hinzugefügt. Wir erstellen die Punkte mit den verschiedenen Farbtönen mit Hilfe des Arguments „Palette“. Wir werden feststellen, wie die Palette verwendet wird, um eine Geigenplot mit mehreren Farbbildvariablen in der folgenden Instanz mit mehreren Farbbildvariablen zu erstellen:

Seeborn importieren
Matplotlib importieren.Pyplot als PLT
Seeborn.set (style = "WhiteGrid")
Tipps = Seeborn.Load_dataset ("Tipps")
Seeborn.Geigenplot (X = "Day", y = "Total_bill", hue = "Raucher",
Data = Tipps, palette = "set2", dodge = true)
PLT.zeigen()

Zunächst führen wir die erforderlichen Bibliotheken, Seeborn und Matplotlib, vor.Pyplot. Mit Hilfe der set () -Methode haben wir das Muster des Hintergrunds des Diagramms effektiv angegeben. Dies ist ein Merkmal des Seeborn -Moduls. Das Stilargument ist in diesem Fall auf „WhiteGrid“ eingestellt.

Im nächsten Schritt verwenden wir den Datenrahmen von „Tipps“, verwenden wir die Lastdatensatz () -Methode des Seeborn -Pakets. Die Geigenplot () -Methode wird verwendet, um die Geigendiagramme zu zeichnen. Diese Methode hat eine Reihe von Parametern. Indem wir dem Funktionsviolinplot das Argument „Palette“ geben, setzen wir das Farbschema der Handlung. Schließlich verwenden wir den Matplotlib.show () -Methode des Pyplot -Moduls zur Darstellung des ausgefüllten Diagramms.

Beispiel 3

Wir werden jede Dimension des Farbattributs auf den jeweiligen Kategorieachsen in einem bestimmten Bereich erstellen. Konfigurieren von Dodge to true, während der Farbtonschichten die Position für unterschiedliche Farbtonvariationen überall entlang einer deklarativen Dimension isoliert. Das Argument „Palette“ wird angewendet, um die verschiedenen Variationen des Hue -Parameters darzustellen.

Seeborn importieren
Matplotlib importieren.Pyplot als PLT
Seeborn.set (style = "WhiteGrid")
Tipps = Seeborn.Load_dataset ("Tipps")
Seeborn.Geigenplot (x = 'Tag', y = 'Total_bill' ',
Daten = Tipps, HUE = 'TIME', PALETTE = 'Pastell')
PLT.zeigen()

Zu Beginn des Programms haben wir die Header -Dateien integriert. Die Seeborn -Bibliothek wird als SNS und der Matplotlib importiert.Die Handlung wird als PLT importiert. Jetzt definieren wir das Layout des Hintergrunds des Diagramms mit der Methode set (). Die Seeborn -Bibliothek hat diese Funktion. Hier ist der Wert des Stilparameters „WhiteGrid“.

Jetzt ist es Zeit, den eingebauten Datenrahmen zu laden, daher haben wir die Methode load_dataset () des SeaBorn -Pakets bezeichnet. Die Funktion Geigenplot () wird angewendet. Diese Funktion enthält unterschiedliche Parameter, einschließlich der Bildunterschrift beider Achsen, des Wertes von Farbton, Daten, Palette und Dodge. Zuletzt verwenden wir die Funktion show () des Matplotlibs.Pyplot -Modul zum Anzeigen des endgültigen Diagramms.

Beispiel 4

In diesem Fall werden wir einen expliziten Befehl angeben, um die Geigensequenz anzugeben.

Seeborn importieren
Matplotlib importieren.Pyplot als PLT
Seeborn.set (style = "WhiteGrid")
Tipps = Seeborn.Load_dataset ("Tipps")
Seeborn.Geigenplot (x = "Zeit", y = "Tipp", Data = Tipps,
Order = ["Abendessen", "Mittagessen"])
PLT.zeigen()

Wir haben die Seeborn und Matplotlib importiert.Pyplot -Bibliotheken zu Beginn des Code. Anschließend verwendeten wir die set () -Methode. Diese Funktion hat den Parameter "Stil". Wir können diesen Parameter verwenden, um das Design der Abbildung anzupassen. Wir haben die geladene Dataset () -Methode verwendet, um den Datenrahmen zu erwerben. Anschließend haben wir die Funktion von Geigenplot () verwendet, um die Geigengrafiken in dieser Phase zu erstellen. Diese Methode findet sich im Seeborn -Paket.

Die X-Achse- und Y-A-Achse-Titel sowie die Reihenfolge werden hier angegeben. Die X-Achse ist als "Zeit" bezeichnet, während die y-Achse als "Tipp" bezeichnet wird. Abendessen und Mittagessen sind in der Bestellung enthalten. Als nächst.

Abschluss

In diesem Artikel haben wir die zahlreichen Methoden erörtert. Die Dispersion einer numerischen Punktzahl über einen oder vielleicht mehr Gruppen war mit einer Geigenplot zu sehen. Die Geigenplot () -Methode in Seeborn ist sehr gut geeignet. Geigenplots ähneln den Boxplots, einschließlich der Anzeige statistischer Informationen, liefern jedoch auch relevantere Daten. In einer Geigenplot ist die Form der „Geige“ ein KDE, das die Morphologie der Daten darstellt. Mit Hilfe der Parameter im Stil und der Paletten ändern wir schnell das Layout- und Farbschema der Visualisierung. Das Design und der Farbton der Grafik können auf verschiedene Weise durch Seeborn angepasst werden.