Seaborn SwarmGlot
Il diagramma dello sciame è identico al diagramma della striscia, tranne per il fatto che i bordi sono modificati in modo tale da non intersecarsi tra loro, il che aiuta a illustrare efficacemente la visualizzazione dei dati. Un grafico sciame viene creato da solo. Ma si preferisce utilizzarlo insieme a una scatola poiché i titoli corrispondenti vengono utilizzati per etichettare le dimensioni. Disegniamo le mappe dello sciame con l'aiuto della funzione SwarmPlot ().
Esempio n.1:
Qui, creiamo un diagramma di probabilità classificato con punti che non si sovrappongono. Quindi, utilizziamo il metodo SwarmPlot () per creare un diagramma contenente i valori discreti.
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 | Importa panda come PD Importa matplotlib.Pyplot come Plt Importa Seaborn come SNS df = pd.DataFrame ("quantità": [15,26,17,18,15,36,27,18,25,16,17,28,15,16,17,28], "Prezzo": [1900.1000.1500.1600.1300.1400.1500.1800.1100.1200.1400.1500.1600.1700.1800.1900], "Mese": [2,3,2,3,3,3,3,3,3,4,4,5,5,5,4,3], "Merchandise": ['X', 'X', 'X', 'X', 'Z', 'Z', 'Z', 'Z', 'Y', 'y', 'y', 'y', 'x', 'x', 'z', 'z']) SNS.SwarmPlot (data = df, y = "prezzo", x = "quantità") Plt.spettacolo() |
All'inizio del codice, integriamo i pacchetti come PD, matplotlib.Pyplot come PLT e Seaborn come SNS. Successivamente, specifichiamo l'insieme di dati con l'aiuto del metodo DataFrame (). Questa funzione è associata al modulo Pandas. Creiamo quattro array diversi. Il primo array contiene la quantità dei prodotti che sono stati esauriti. Il secondo array mostra le tariffe dei prodotti. Il terzo array detiene il record dei mesi. L'ultimo array ha dati sui nomi dei prodotti.
Nel passaggio successivo, vogliamo disegnare il grafico dello sciame, quindi chiamiamo la funzione SwarmPlot (). Alla fine, impieghiamo la funzione show () del matplotlib.Biblioteca Pyplot.
Esempio n.2:
Utilizziamo l'argomento HUE all'interno del metodo SwarmPlot () e dividiamo i segmenti per i prodotti multipli in questa istanza. Specificando il valore del parametro "Dodge" a True, separa gli elementi. Potremmo anche passare alcuni parametri aggiuntivi utilizzando il metodo SwarmPlot (). Il parametro dimensione viene utilizzato per regolare la "dimensione" degli elementi.
Con l'aiuto dell'attributo "tavolozza", cambiamo la combinazione di colori per gruppi distinti. L'opzione "Linewidth" fornisce un limite alla larghezza definita dei punti. Applichiamo tutti i parametri precedentemente nel codice.
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 | Importa panda come PD Importa matplotlib.Pyplot come Plt Importa Seaborn come SNS df = pd.DataFrame ("quantità": [15,26,17,18,15,36,27,18,25,16,17,28,15,16,17,28], "Prezzo": [1900.1000.1500.1600.1300.1400.1500.1800.1100.1200.1400.1500.1600.1700.1800.1900], "Mese": [2,3,2,3,3,3,3,3,3,4,4,5,5,5,4,3], "Prodotto": ['X', 'X', 'X', 'X', 'Z', 'Z', 'Z', 'Z', 'Y', 'y', 'y', 'y', 'x', 'x', 'z', 'z']) SNS.SwarmPlot (data = df, y = "prezzo", x = "quantità", hue = 'prodotto', dodge = true, Linewidth = 3.5, palette = 'set2', dimensione = 14) Plt.spettacolo() |
Prima di tutto, integriamo i file di intestazione richiesti. La libreria Pandas è integrata come PD, matplotlib.Pyplot è integrato come PLT e Seaborn è integrato come SNS. La funzione DataFrame () viene utilizzata per fornire il set di dati. Il pacchetto Pandas è collegato a questo metodo. Facciamo quattro array unici. Il numero di articoli esauriti è rappresentato nel primo array. Il prezzo delle merci è visualizzato nel secondo array. I dati dei mesi sono conservati nel terzo array. I titoli della merce sono archiviati nell'ultimo array.
Ora, la figura di sciame viene disegnata, quindi utilizziamo il metodo SwarmPlot (). Il set di dati, le etichette dell'asse X e Y, la tonalità, la Dodge, la larghezza di linea, la tavolozza e le dimensioni sono tutti argomenti per questo metodo. Il valore della "tonalità" è il prodotto. La "larghezza di linea" è 3.5. La "palette" è impostata2. E la "dimensione" è 14. Terminiamo il codice illustrando la trama risultante, quindi applichiamo il metodo show ().
Esempio n.3:
Ogni dimensione del parametro "Hue" è rappresentata da un'area designata sul piano della categoria statistica. Configuriamo il "Dodge" su True durante l'utilizzo del parametro "Hue" e isola gli elementi per più varianti di tonalità. Il parametro "tavolozza" viene utilizzato per rappresentare le varie tonalità dell'attributo Hue.
| 1 2 3 4 5 6 7 8 9 10 11 12 | Import Seaborn Importa matplotlib.Pyplot come Plt Seaborn.set (style = "whitegrid") Suggerimenti = Seaborn.load_dataset ("suggerimenti") Seaborn.SwarmPlot (x = "day", y = "total_bill", hue = "fumatore", data = suggerimenti, palette = "set2", dodge = true) Plt.spettacolo() |
Dopo aver incluso Seaborn e Matplotlib.Biblioteche Pyplot, chiamiamo la funzione set () del pacchetto Seaborn. Passiamo lo stile come parametro a questa funzione. Diamo il valore "WhiteGrid" al parametro di stile. Mostra il colore dello sfondo del grafico.
Ora otteniamo la cornice di dati integrata, quindi utilizziamo la funzione load_dataset (). Questa funzione è presa dal file di intestazione di Seaborn e contiene i "suggerimenti" come argomento. Successivamente, utilizziamo il metodo SwarmPlot () per creare il grafico a sciame. Qui, specifichiamo il titolo di entrambi gli assi, il valore di tonalità, dati, tavolozza e schivare come parametri della funzione. L'asse x mostra il record dei giorni mentre l'asse y mostra il record di Total_Bill. Per rappresentare il grafico finale, chiamiamo il metodo Show (). Il matplotlib.Il modulo Pyplot contiene questa funzionalità.
Esempio n.4:
Con l'aiuto dell'attributo "marcatore" e l'argomento "alfa", traggiamo i punti enormi e gli stili diversi. Utilizziamo l'attributo "alpha" per controllare la visibilità del valore dei dati. E applicare l'argomento "marcatore" per l'indicatore per modificare l'insieme di dati.
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 | Import Seaborn Importa matplotlib.Pyplot come Plt Seaborn.set (style = "whitegrid") Suggerimenti = Seaborn.load_dataset ("suggerimenti") Seaborn.SwarmPlot (x = "day", y = "total_bill", hue = "fumatore", data = suggerimenti, palette = "set2", size = 30, marker = "*", EdgeColor = "Black", alpha =.35) Plt.spettacolo() |
Qui, introduciamo Seaborn e Matplotlib.Framework di piloti. Viene utilizzato il metodo set () del componente Seaborn. Lo stile viene fornito come argomento per questo metodo. Forniamo la variabile di stile con il valore "whitegrid". Visualizza l'aspetto visivo del grafico.
Intendiamo ottenere il frame di dati integrato, quindi chiamiamo il metodo Load DataSet (). Questo metodo è ottenuto dal modello Seaborn e ha il parametro "Tips". La figura di sciame viene quindi creata con l'aiuto della tecnica SwarmPlot (). Gli input della funzione sono la didascalia di entrambi gli assi, valore di tonalità, dati, tavolozza, dimensioni del marcatore, forma del marcatore, Edgecolor e valore alfa.
L'asse x dimostra i dati dei giorni, mentre l'asse Y indica il record del conto totale. I marcatori della forma '*' con la dimensione 20 si trovano in questa mappa dello sciame. La funzione show () di matplotlib.Pyplot viene utilizzato per rappresentare il grafico finale.
Conclusione
Abbiamo discusso delle varie tecniche per tracciare la trama dello sciame in questo articolo. Le mappe dello sciame sono una forma di grafico a dispersione che vengono applicati per visualizzare i dati categorici. Impedisce agli elementi di sovrapposizione. Possiamo utilizzare il metodo SwarmPlot () per disegnare questi grafici. Ogni volta che la cornice del campione è enorme, non possiamo usare questo tipo di grafico.