Metodo KDEPlot Seaborn

La stima della densità del kernel (KDE) è una tecnica per rappresentare la distribuzione condizionale di parametri di ingresso lineari e non lineari. Il metodo KDEPlot () restituisce una grafica semantica molto meno complessa e migliore ogni volta che vogliamo visualizzare numerose dispersioni. Si possono vedere vari set di dati utilizzando una presentazione grafica in KDE. È una forma molto più efficace di analisi visiva. La stima della densità del kernel (KDE) è un modello predittivo per il calcolo e la visualizzazione della probabilità posteriore di una variabile discreta. L'analisi non fa ipotesi relative al set di dati, incluso se riflette i requisiti di uno standard o di qualsiasi probabilità.

La stima della densità del kernel è una versione dell'istogramma semplificata che non include la linea di periodi di distribuzione e i rispettivi punti terminali. Creazione di figure distinte per i set di dati e combinare quelli per creare una forma completa fornisce una linea rettificata per la distribuzione posteriore di un set di dati originale.

Seaborn è un quadro di programmazione come Matplotlib. Seaborn potrebbe essere usato per la visualizzazione con i panda e i moduli numpy. Gli analisti dei dati utilizzano i toolkit per rendere rappresentazioni analitiche e grafiche pertinenti e allettanti. Con l'aiuto del metodo KDEPlot () della Biblioteca Seaborn, possiamo disegnare grafica statistica descrittiva e inferenziale.

Esamineremo come utilizzare Seaborn per visualizzare i grafici KDE. Per illustrare il layout del grafico KDE, questo articolo impiegherà alcune istanze dai dati originali.

Esempio 1

Possiamo convalidare il modello usando il pacchetto Seaborn chiamando il metodo standard KDEPlot (). Abbiamo raccolto 2500 dati di sequenza con il modulo randomizzato nel seguente scenario. Quindi posizionati in una cornice di dati numpy poiché il pacchetto Seaborn interagisce esclusivamente con il modulo Numpy e Panda. Il codice di esempio Seaborn per questa istanza è apposto di seguito:

Inizieremo il programma incorporando i file di intestazione necessari. Il file di intestazione di Seaborn sarà integrato come SN, Matplotlib.Pyplot sarà integrato come PLT e Numpy sarà integrato come NP. Nel passaggio successivo, abbiamo indicato il set di dati di 2500 voci. Questo può essere realizzato utilizzando il metodo Randn () della Biblioteca Numpy.

Abbiamo usato la funzione KDEPlot () per disegnare un grafico KDE. Questa funzione è correlata al pacchetto Seaborn. Abbiamo fornito la cornice dei dati, il colore e l'ombra come argomenti della funzione KDEPlot (). Qui, impostiamo il valore dell'ombra come "vero" e il valore del colore come "viola". Questo codice verrà terminato chiamando la funzione show () del matplotlib.Modulo Pyplot. Questa funzione rappresenta la trama finale.

Esempio n. 2

Utilizzando la funzione KDEPlot () e il framework Seaborn, potremmo rappresentare ulteriormente l'insieme di dati in diagonale o invertire il grafico risultante. Per invertire il display, abbiamo impiegato il parametro grafico verticale = true. Il codice di esempio Seaborn per questa istanza è apposto di seguito:

Innanzitutto, abbiamo importato le biblioteche: Seaborn, Matplotlib.Pyplot e Numpy. Dobbiamo definire le 1000 raccolte di dati. La funzione Randn () della Biblioteca Numpy può essere utilizzata per raggiungere questo obiettivo. Per creare una mappa KDE, abbiamo utilizzato il metodo KDEPlot (). Il modulo Seaborn è collegato a questa funzione. Il metodo KDEPlot () ha vari argomenti: una cornice di dati, un colore e una tonalità. Vogliamo che la trama sia disegnata verticalmente in questo caso. Di conseguenza, abbiamo utilizzato l'argomento "verticale" e impostato il suo valore su "vero".

Abbiamo regolato il valore dell'ombra su "vero" e il valore del colore su "verde". Questo codice sarebbe terminato eseguendo il matplotlib.Funzione Show () del modulo Pyplot. Il grafico finale è stato rappresentato con l'aiuto di questo metodo.

Esempio n. 3

Prendiamo i due parametri nella funzione KDEPlot () del pacchetto Seaborn per costruire il diagramma KDE di regressione multivariata per i parametri dipendenti. La funzione KDEPlot () viene utilizzata per tracciare i dati. Nel codice successivo, mostreremo come ottenere una trama KDE di regressione multivariata. Il codice di esempio Seaborn per questa istanza è apposto di seguito:

I file di intestazione devono essere inclusi all'inizio dello script. Il PD sarebbe stato importato dalla Biblioteca Pandas, SNS sarebbe importato dalla Biblioteca Seaborn e PLT sarebbe stato importato con l'aiuto di MatplotLib.Pyplot. Insieme a tutti questi, includiamo un modulo in linea Matplotlib.

Nel prossimo passaggio, definiremo i set di dati sia per l'asse x che per l'asse Y. Definiamo i set chiamando il metodo Randn () della Biblioteca Numpy. Ora abbiamo invocato la funzione KDEPlot () per disegnare il grafico KDE. Abbiamo dato i set di dati di entrambi gli assi come parametri di questo metodo. La funzione show () viene utilizzata per illustrare il grafico risultante:

Esempio # 4

Il nostro codice utilizzerà la "cbar" in questo argomento di contesto. Se il valore di "cbar" è vero, una barra a colori viene applicata a un grafico di regressione multivariata per evidenziare la rappresentazione di Hue. Sfortunatamente, in qualche modo non consente la visualizzazione con un parametro di colore. Il codice di esempio Seaborn per questa istanza è apposto di seguito:

Dopo aver introdotto le biblioteche richieste, Panda, Seaborn, Numpy e Matplotlib.Sono stati specificati il ​​pilota, sia l'asse x che i frame di dati dell'asse y. I set sono definiti durante l'utilizzo della funzione Randn () della libreria Numpy. Abbiamo chiamato lo strumento KDEPlot () per disegnare il grafico KDE. Questo metodo è un componente del pacchetto Seaborn. I parametri di questa metodologia sono i set di dati da entrambi gli assi. Abbiamo superato l'argomento "cbar" al metodo KDEPlot (). Il metodo show () verrà utilizzato per visualizzare il grafico ottenuto.

Conclusione

In questo articolo, abbiamo utilizzato la presentazione del grafico KDE con il modulo Pandas e il pacchetto Seaborn. In un grafico KDE 1D, abbiamo osservato come rappresentare il modello probabilistico di una e molte variabili. Abbiamo parlato di come rappresentare un set di dati 2D utilizzando il layout KDE con il Framework Seaborn. Abbiamo anche fornito il metodo KDEPlot () con alcuni parametri per osservare come hanno influenzato la mappa.