Grafico a dispersione di Seaborn

“Seaborn è una magnifica tecnica di visualizzazione di Python per la visualizzazione di rappresentazioni analitiche. Include stili standard accattivanti e colori vivaci che creano grafici statistici che sono molto accattivanti. È implementato all'inizio del framework Matplotlib ed è intimamente legato ai moduli di Panda. I grafici a dispersione vengono utilizzati con una varietà di categorie semantiche per aiutare con l'analisi visiva. Ciò può creare elementi visivi bidimensionali che potrebbero essere estesi traducendo fino a diversi parametri e utilizzando la semantica del colore, delle dimensioni e degli attributi di layout.

Tutte le caratteristiche influenzano l'interpretazione ottica che può essere utilizzata per distinguere tra sottoinsiemi. Quando si tratta di produrre elementi visivi in ​​modo più efficace, sarà utile impiegare interpretazioni ridondanti. In questo articolo, abbiamo attraversato diversi approcci utilizzati per disegnare i grafici a dispersione usando la Biblioteca Seaborn."

Usa la funzione ScatterPlot ()

Abbiamo usato il metodo ScatterPlot () per creare il diagramma a dispersione. Qui il set di dati dei suggerimenti viene utilizzato nel diagramma a dispersione. Questa sarebbe una raccolta di dati di punta a seconda della fattura complessiva. Per una trama, possiamo utilizzare qualsiasi frame di dati. Il codice è scritto in Windows CMD e visualizzato come segue.

Prima di tutto, poche librerie richieste sono state importate. La biblioteca Numpy sarà importata come NP; I panda verranno importati come PD, Matplotlib verrà importato come MPL, Malplotlib.Pyplot come PLT e Seaborn saranno importati come SNS. Nella riga successiva, viene applicata la funzione Load DataSet () per caricare la cornice di dati. Abbiamo fornito "suggerimenti" come argomento per questa funzione.

Quindi applichiamo la funzione set () della biblioteca Seaborn per specificare i codici di colore. Per disegnare il diagramma a dispersione, abbiamo impiegato il metodo ScatterPlot (). Questa funzione contiene tre diversi parametri come i valori degli assi X, Y e il valore dei dati. Abbiamo usato il metodo show () per rappresentare la trama.

Traccia diverse categorie

Useremo un parametro chiamato "Hue" in questo diagramma a dispersione; Consente agli utenti di visualizzare i componenti da una variabile grafica. Questo attributo verrà utilizzato per visualizzare le categorie all'interno di una variabile nominale. È stato visualizzato il collegamento tra lunghezza e larghezza del sepal di diverse varietà. L'attributo Hue ci consente di rappresentare i valori classificati in toni diversi. Il codice è scritto in Windows CMD e visualizzato come segue.

Dopo aver incluso le biblioteche Seaborn e Matplotlib.Pyplot, abbiamo dichiarato la variabile “Iris_Data."E abbiamo assegnato i dati caricati di Iris a questa variabile. Nella riga successiva, abbiamo specificato la dimensione del grafico utilizzando la funzione figure (). La dimensione è memorizzata nella variabile “F."

Ora abbiamo applicato il metodo ScatterPlot (). Questa funzione viene utilizzata per disegnare la trama. Abbiamo dato le etichette di entrambi gli assi, il valore della tonalità e il frame di dati come parametri. Alla fine, la funzione show () viene utilizzata per illustrare la trama.

Personalizza il colore

Usando l'argomento della palette, abbiamo visualizzato il diagramma a dispersione con una combinazione di colori personalizzata. Questa funzione consente la visualizzazione della variabile classificata attraverso una tinta in espansione, con le categorie mostrate in ordine di aumento del parametro aggregato numerico da sfumature più pallide.

Poiché la specie ha una lunghezza floreale più lunga rispetto ad altre specie, è descritta nella tonalità più cupa, mentre quelle con specie di dimensioni di petali più corti sono raffigurate in tonalità più chiare. Il codice è scritto in Windows CMD e visualizzato come segue.

All'inizio del programma, abbiamo appena integrato i file di intestazione necessari per la stampa. La funzione Load DataSet () verrebbe utilizzata per caricare la cornice di dati IRIS. Questo metodo riflette gli attributi principali di tre diversi fiori di iris, tra cui la lunghezza, la larghezza del sepal, la lunghezza e la larghezza del petalo. La dimensione della figura definita è definita dalla figura della funzione ().

Quindi, usando il metodo ScatterPlot (), abbiamo tracciato la lunghezza dei petali dei diversi fiori di Iris del frame di dati in un diagramma a dispersione. La lunghezza dei petali delle tre varietà di fiori differisce significativamente. Specifichiamo il valore dell'argomento "tavolozza" al "magma" nella funzione. Abbiamo usato il metodo show () per indicare il diagramma risultante.

Regola la forma

Utilizzeremo anche il parametro "marcatore" per personalizzare il modello di punti di dispersione su qualsiasi design selezionato. Nel parametro del mercato, possiamo specificare lo stile dei punti di dispersione che richiedono. In questo caso, abbiamo indicato i punti con un simbolo "+". Il parametro aggiuntivo chiamato "alfa" viene utilizzato per visualizzare la luminanza relativa dei vari punti. Il codice è scritto in Windows CMD e visualizzato come segue.

The Seaborn e Matplotlib.Sono stati introdotti i file di intestazione del pilota. Dobbiamo caricare il frame di dati dell'iride, quindi abbiamo impiegato load_dataset (). La riga successiva contiene la funzione in cui regoliamo le dimensioni del diagramma. Per creare la trama, abbiamo impiegato la funzione ScatterPlot (). Per i diversi tipi di fioriture di iris, abbiamo mostrato la larghezza del sepal sull'asse X della trama e la lunghezza del petalo sull'asse y.

Per identificare i punti di dispersione in base alla lunghezza di varie specie, abbiamo usato un parametro specifico definito dimensioni. Osserveremo che i punti di dispersione cambiano di dimensioni da più larghi a minori a seconda della lunghezza del sepal. Possiamo definire esattamente la differenza tra i parametri che impiegano una versione specifica fornendo il parametro "dimensioni". Abbiamo fornito la funzione il parametro "marcatore" e gli abbiamo assegnato il valore "+."Per rappresentare la trama, viene utilizzata la funzione show ().

Conclusione

Abbiamo discusso del diagramma di dispersione di Seaborn utilizzando diversi casi in questo articolo. Abbiamo disegnato diversi grafici a dispersione con il supporto delle biblioteche di Seaborn e Matplotlib. Questo articolo ha anche dimostrato numerosi elementi della funzione ScatterPlot (). La biblioteca integrata Seaborn viene impiegata in lingua Python. Offre un'interfaccia analitica visiva unica. I componenti che forniscono set di dati, processi ed elaborazione dei dati costituiscono il sistema. I moduli Seaborn e Matplotlib sono spesso applicati nel campo dell'analisi dei dati. Quando si tratta di progettare elementi visivi più raggiungibili, può essere preferibile incorporare più nozioni.