Gruppo Seaborn

Seaborn è una biblioteca di analisi visiva a base di matplotlib. Ha un framework di alto livello per la definizione di grafici analitici visivamente accattivanti. Matplotlib è il fondamento di Seaborn. Il modulo Seaborn ci consente di creare grafici di linea dettagliati. Gli elementi visivi verranno ulteriormente regolati con le funzioni di matplotlib prima di essere visualizzate per uno qualsiasi dei moduli matplotlib per fornire grafica di qualità.

Seaborn offre un'interfaccia migliore di MatplotLib. Pertanto, consentendo agli utenti di semplificare molte delle modifiche. Alcune operazioni che altrimenti sarebbero necessarie per creare grafici Matplotlib come senziente. Funziona anche bene con i tipi di dati Pandas che rendono la pre-elaborazione dei dati e la visualizzazione semplice. Contiene anche diversi grafici con parametri utili e un layout attraente.

Crea un diagramma di linea che consenta più categorie semantiche. Gli attributi della tavolozza, delle dimensioni e del layout verranno utilizzati per visualizzare la correlazione tra le variabili per set specifici di dati. Diversi attributi determinano quale semantica grafica è stata utilizzata per distinguere le varie categorie. Usando quelle varietà semantiche, è raggiungibile per rappresentare gli elementi separatamente. Tuttavia, questo modo della trama potrebbe essere difficile da comprendere ed è generalmente inefficiente.

Ma può essere preferibile produrre elementi visivi più utilizzabili e fornire semantici multipli (come sia tinta che design per un elemento quasi simile). Disegniamo i grafici della linea usando diverse metodologie.

Usa la funzione lineplot ()

In questo caso, abbiamo utilizzato il metodo di linea () per creare un diagramma di linea. La Biblioteca Seaborn detiene il lineplot di funzione (). Utilizzeremo dati casuali per disegnare il diagramma della linea:

Importa panda come PD
Importa Seaborn come SNS
Importa matplotlib.Pyplot come Plt
Anno = [2011, 2013, 2015, 2017, 2019, 2021, 2022]
Profitto = [90, 85.8, 60, 55, 77.5, 29, 45.6]
data_plot = pd.DataFrame ("anno": anno, "profitto": profitto)
SNS.lineplot (x = "anno", y = "profitto", data = data_plot)
Plt.spettacolo()

All'inizio del programma, dobbiamo integrare alcune biblioteche. I panda della biblioteca saranno integrati come "PD", Seaborn sarà integrato come "SNS" e Matplotlib.Pyplot sarà integrato come "PLT". Panda è uno dei pacchetti integrati destinati a rendere semplice e istintivo operare con dati lineari o classificati. Include alcuni modelli di dati e metodi per lavorare con informazioni statistiche e dati lineari generalizzati. Seaborn è un modulo Python per la creazione di immagini numeriche. Si basa su matplotlib e si correla efficacemente alla libreria Pandas.

La biblioteca Seaborn aiuta gli utenti ad accedere e valutare i dati. Tra i moduli più utilizzati per l'analisi dei dati c'è MatplotLib. Questa libreria sarà un pacchetto multipiattaforma che crea grafici a due dimensioni utilizzando una serie di dati. Include un'interfaccia per l'integrazione dei grafici in Python Graphical Framework basato su applicazioni.

Nella riga successiva, abbiamo inizializzato una variabile denominata "anno" e assegnato alcuni anni casuali a partire dal 2011 e terminato nel 2022. Quindi, specifichiamo il set di dati del profitto e definiamo i valori. Abbiamo utilizzato la funzione Frame (). Per ottenere una breve panoramica del nuovo set di dati, utilizzare il metodo DataFrame () del pacchetto Pandas. È particolarmente utile nell'esecuzione della valutazione dei dati esplorativi. Utilizziamo il metodo DataFrame () per accedere a una visione dinamica dei dati originali. Questa funzione contiene le variabili "anno" e "profitto" come parametri. Questi dati sono archiviati nella variabile "data_plot".

Ora, disegna la trama della linea. Quindi, l'abbiamo applicato al metodo di linea () della Biblioteca Seaborn. Qui. Abbiamo fornito le etichette degli assi X e Y. L'asse X sarà etichettato come "anno" e l'asse Y sarà etichettato come "profitto". Alla fine, illustriamo il diagramma di linea in modo che il metodo show ().

La correlazione proporzionale tra i due diversi elementi del set di dati è mostrata nel diagramma sopra.

Usa il frame di dati "Iris"

Qui, abbiamo invocato la funzione di linea () per illustrare il frame di dati di Iris Blossom:

Importa Seaborn come SNS
Importa matplotlib.Pyplot come Plt
Data = SNS.load_dataset ("iris")
SNS.lineplot (x = "sepal_length", y = "sepal_width", data = data)
Plt.spettacolo()

Dopo aver introdotto i file di intestazione richiesti Seaborn e Matplotlib.Pyplot, caricheremo il frame di dati di Iris Blossom. Quindi, verrà utilizzata la funzione load_dataset (). Questa funzione è correlata al pacchetto Seaborn. Abbiamo dato "Iris" come attributo a questa funzione. Ora disegniamo il diagramma specifico della linea che abbiamo applicato al metodo di linea (). Questa funzione contiene parametri diversi.

La lunghezza e la larghezza dei sepali sono riportate come attributi. L'asse x del diagramma mostra la lunghezza del sepal mentre l'asse y mostra la larghezza del sepal. Dopo tutto ciò, abbiamo impiegato il metodo Show () per visualizzare il diagramma della linea sullo schermo.

Utilizzare il parametro "Hue" della funzione di linea ()

L'argomento "Hue" potrebbe essere applicato per classificare i più parametri del frame di dati e può essere utilizzato per dimostrare la correlazione tra i campi di dati di entrambi gli assi quando i dati sono specificati come parametro alla funzione.

Importa Seaborn come SNS
Importa matplotlib.Pyplot come Plt
Data = SNS.load_dataset ("suggerimenti")
SNS.lineplot (x = "total_bill", y = "dimensione",
hue = "sesso",,
data = dati)
Plt.spettacolo()

Innanzitutto, importiamo i file di intestazione Seaborn e Matplotlib.Pyplot. Accederemo a un frame di dati di suggerimenti. Di conseguenza, il metodo Load DataSet () verrebbe chiamato. Abbiamo assegnato il metodo "Suggerimenti per i parametri". Abbiamo usato il metodo di linea () per costruire un particolare diagramma di linea. Questo metodo ha un set di parametri. Sono specificati attributi, fattura totale, dimensioni, tonalità e stile. La fattura totale è tracciata sull'asse x, mentre le dimensioni sono tracciate sull'asse y.

Abbiamo impostato il valore di "Hue" su "sesso" e lo stile al "sesso". Successivamente, abbiamo applicato la funzione show () per presentare semplicemente il diagramma di linea sul terminale.

Conclusione

In questo articolo, abbiamo esplorato come disegnare i grafici di linea usando il lineplot () del modulo Seaborn in Python. Abbiamo anche creato i grafici della linea con l'aiuto di diversi esempi e passando diversi parametri a questa funzione. È possibile disegnare più righe per visualizzare i dati in posizioni o grafici identici. Possiamo rappresentare l'interazione tra diverse righe di dati o elementi di dati utilizzando set di dati o parametri di dati simili o assortiti. Per disegnare gradienti di colore per numerosi set di dati, abbiamo usato l'argomento "Hue".