Seaborn raggruppato a barra da bar

“Seaborn si basa sul pacchetto di visualizzazione principale di Matplotlib, Python. Consente ai programmatori di creare una visualizzazione grafica utilizzando il linguaggio di tracciamento di Python e offre anche uno strumento per il caricamento dei dati in R o MatplotLib. Puoi anche utilizzare i dati per apprendere come vengono utilizzati i dati, comprendere l'attività del tuo progetto di analisi o ottenere una comprensione approfondita dei vari modi. Puoi iniziare usando i panda per esplorare i dati."

Qual è la trama da bar raggruppata di Seaborn

Il diagramma a barre raggruppato è una forma di un grafico che visualizza i valori di numerose variabili contemporaneamente raggruppando le barre. Questo articolo mostra come progettare la trama da bar raggruppata vista di seguito in Python usando il pacchetto di visualizzazione di Seaborn. Prima di tutto ciò, si devono capire i seguenti concetti:

Quando abbiamo due parametri, uno dei quali è il numero e gli altri grafici a barre categorici sono ideali. La correlazione tra di loro può essere rivelata usando un barino. Un diagramma a barre è una tecnica di visualizzazione in cui un gruppo è rappresentato da barre verticali rettangolari sull'asse X e le loro azioni sull'asse y. Nella maggior parte dei casi, l'asse x rappresenta l'aggregazione della variabile di categoria da tracciare, mentre l'asse y rappresenta il valore numerico aggregato. Potremmo vedere l'asse y tracciato con la media delle caratteristiche di categoria distinte. Un diagramma a barre raffigura una stima della tendenza centrale della variabile numerica con numerose variabili dipendenti.

Quando si tratta di diverse variabili di categoria, è utile un barilotto raggruppato. Le trame da bar raggruppate sono semplici da creare con il pacchetto di grafici marittimi di Python.

Il metodo GroupBy () di DataFrame in Panda viene utilizzato per dividere gli elementi in cluster costituiti da un insieme di criteri. I panda possono essere divisi lungo qualsiasi asse. Il concetto astratto di raggruppamento è l'assegnazione di etichette ai gruppi. La funzione Pandas GroupBy viene utilizzata per raggruppare i dati in categorie ed eseguire questa funzione su ciascuna categoria.

Esempio 1

Qui, abbiamo la semplice implementazione di una trama a barra raggruppata. Inizialmente, abbiamo un matplotlib come PLT e il modulo Seaborn quando viene aggiunto SNS all'interno del file di script Python. Quindi, abbiamo scelto un set di dati di esempio "suggerimenti" dai set di dati integrati Python. Abbiamo caricato questo set di dati all'interno della funzione Seaborn che rappresenta SNS.load_dataset (). Utilizzando le colonne dal set di dati caricato "Tip" nella funzione GroupBy, che ha raggruppato la dimensione e il sesso a due colonne dal set di dati di campionamento TIPS.

Insieme alla funzione GroupBy, abbiamo chiamato la funzione di aggregazione. La funzione di aggregazione viene applicata alla colonna “Total_Bill."La funzione di aggregazione esegue l'operazione media sulla colonna definita. Quindi, il metodo a barre viene chiamato qui, che prende i parametri categorici xey per gli assi della trama. Abbiamo trama valori categorici in tonalità diverse usando l'opzione Hue come sesso.

Importa matplotlib.Pyplot come Plt
Importa Seaborn come SNS
df = sns.load_dataset ('suggerimenti')
df = df.GroupBy (['size', 'Sex']).Agg (mean_total_bill = ("total_bill", 'media'))
df = df.reset_index ()
SNS.barile (x = "dimensione",
y = "mean_total_bill",
hue = "sesso",
data = df)
Plt.spettacolo()

Quanto segue è la visualizzazione raggruppata a barre.

Esempio 2

Abbiamo cambiato i campi di colonna solo per mostrarti la visualizzazione di grafici a barre raggruppati con i diversi casi. Abbiamo utilizzato gli stessi suggerimenti per set di dati per il diagramma a barra raggruppati e l'aggiunta alla funzione di caricamento seaborn_dataset.

Quindi, all'interno della funzione GroupBy, abbiamo superato le dimensioni e il tempo delle due colonne e questa volta e aggregato la media della colonna Total_Bill. Dopo questo, abbiamo impostato i parametri X, Y e Hue per il diagramma. Il parametro X è per l'asse x, che è impostato con la colonna dimensione, e l'asse y è impostato con la colonna "media" su cui viene applicata l'aggregazione. Il parametro HUE è impostato con la proprietà Time qui dal set di dati TIPS.

Importa matplotlib.Pyplot come Plt
Importa Seaborn come SNS
df = sns.load_dataset ('suggerimenti')
df = df.groupby (['size', 'time']).Agg (media = ("total_bill", 'media'))
df = df.reset_index ()
SNS.barile (x = "dimensione",
y = "medio",
hue = "time",
data = df)
Plt.spettacolo()

Il secondo diagramma a barra raggruppati viene anche reso con successo con la funzione di aggregazione nella figura seguente.

Esempio 3

Questo è il terzo esempio di esempio del diagramma a barre raggruppato ma con un campione di dati diverso. Abbiamo preso un set di dati di esempio da Python, che è rappresentato come "anagrammi."Stiamo costruendo il diagramma a barra raggruppato delle colonne di dati anagrammi.

In primo luogo, l'abbiamo caricato all'interno della funzione CAROD_DATASET variabile del pacchetto Seaborn, che è archiviato nella variabile DF. Quindi all'interno della funzione GroupBy, le colonne NUM1 e ATTNR vengono passate per essere raggruppate e la funzione di aggregazione ha la colonna di input Num2, che restituisce la media dalla colonna Num2. Ilclabot è invocato qui, a cui il campo num1 e attnr sono impostati per gli ingressi X e Y. La proprietà Hue è impostata con la colonna ATTNR.

Importa matplotlib.Pyplot come Plt
Importa Seaborn come SNS
df = sns.load_dataset ('anagrams')
df = df.GroupBy (['NUM1', 'ATTNR']).Agg (mean_num2 = ("num2", 'media'))
df = df.reset_index ()
SNS.Barplot (x = "num1",
y = "mean_num2",
hue = "ATTNR",
data = df)
Plt.spettacolo()

Esempio 4

Stiamo usando i parametri aggiuntivi per il diagramma a barra raggruppati. Per questo, abbiamo preso il set di dati di esempio Titanic per generare il diagramma a barre raggruppato. Abbiamo impostato il contesto per il diagramma passando l'ingresso di carta ad esso. Viene utilizzato per regolare le dimensioni e le etichette per la trama. Quindi, abbiamo definito un titanico variabile a cui viene caricato il set di dati Titanic.

Il gloro a barre è chiamato all'interno e abbiamo impostato i parametri X e Y insieme all'opzione Hue, che ha i valori della colonna Who. L'opzione palette viene anche utilizzata per impostare i colori per la trama. Abbiamo una tavolozza di magma qui per la trama da bar raggruppata. L'opzione CapSize, Saturation, ErrColor, ErrWidth e CI sono definiti anche per il gloro a barre raggruppato.

Importa Numpy come NP
Importa panda come PD
Importa matplotlib.Pyplot come Plt
Importa Seaborn come SNS
SNS.set_context ('paper')
titanic = sns.load_dataset ('titanic')
SNS.Barplot (x = 'class', y = 'sopravvissuto', hue = 'who', data = titanic,
Palette = 'Magma',
capsize = 0.05,
saturazione = 8.5,
ErrColor = 'Grey', ErrWidth = 2,
ci = 'sd'
)
Plt.spettacolo()

Qui la visualizzazione del diagramma a barra raggruppata è raggruppata da tutta la colonna che è sopravvissuta nella nave.

Conclusione

Questa è la panoramica generale dell'articolo della trama di bar raggruppata di Seaborn. In questo tutorial abbiamo attraversato numerosi esempi per pianificare una trama da bar raggruppata con Seaborn e Python. Abbiamo iniziato con grafici semplici utilizzando i diversi frame di dati per i grafici a barre raggruppati e personalizzandoli ulteriormente con le opzioni aggiuntive.