TechCodeview

En aquest article, parlarem de com podem crear un trama de recompte utilitzant la biblioteca seaborn i com es poden utilitzar els diferents paràmetres per inferir resultats a partir de les característiques del nostre conjunt de dades.

Biblioteca Seaborn

La biblioteca seaborn s'utilitza àmpliament entre els analistes de dades, la galàxia de trames que conté proporciona la millor representació possible de les nostres dades.

La biblioteca seaborn es pot importar al nostre entorn de treball utilitzant-

 import seaborn as sns 

Anem a discutir ara per què utilitzem countplot i quina és la importància dels seus paràmetres.

Trama de recompte

El countplot s'utilitza per representar l'ocurrència (recomptes) de l'observació present a la variable categòrica.

Utilitza el concepte d'un gràfic de barres per a la representació visual.

paràmetres-

Els paràmetres següents s'especifiquen quan creem un countplot, fem-ne una breu idea:

matriu afegint elements java

x i y-Aquest paràmetre especifica les dades a les quals ens referim per a la representació i després observa els patrons destacats.color-Aquest paràmetre especifica el color que pot donar un bon aspecte a la nostra parcel·la.paleta-Pren el valor de la paleta. S'utilitza principalment per mostrar la variable de tonalitat.to-Aquest paràmetre especifica el nom de la columna.dades-Aquest paràmetre especifica el marc de dades que voldríem prendre per a la representació. Per exemple, les dades poden ser una matriu.esquivar-Aquest paràmetre és opcional i accepta un valor booleà com a entrada.saturació-Aquest paràmetre accepta un valor flotant. Es pot observar una variació en la intensitat dels colors quan ho especifiquem.hue_order-El paràmetre hue_order pren cadenes com a entrada.kwargs-El paràmetre kwargs especifica les assignacions de clau i valor.destral -El paràmetre ax és opcional i s'utilitza per prendre eixos sobre els quals es creen gràfics.orientar-El paràmetre orient és opcional i indica l'orientació de la trama que necessitem, horitzontal o vertical.

Vegem ara quines són les diferents maneres de representar els nostres atributs.

En el primer exemple, crearem un countplot per a una sola variable. Hem pres el conjunt de dades 'consells' per implementar el mateix.

1. El valor compta per a una sola variable

Exemple -

 import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'tips' df=pd.read_csv('/content/tips.csv') #plotting the graph sns.countplot(x='sex',data=df) plt.show() 

Sortida:

En el següent exemple, utilitzarem el paràmetre hue i crearem un countplot.

El programa següent il·lustra el mateix:

2. Representació de dues variables categòriques mitjançant el paràmetre hue

Exemple -

 import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'tips' df=pd.read_csv('/content/tips.csv') #plotting the graph sns.countplot(x='sex',hue='smoker',data=df) plt.show() 

Sortida:

En el següent exemple, considerarem l'eix y i crearem un diagrama de recompte horitzontal.

El programa següent il·lustra el mateix:

3. Creació de trames horitzontals

Exemple -

cadena java a booleà

 import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'tips' df=pd.read_csv('/content/tips.csv') #plotting the graph sns.countplot(y='sex',hue='smoker',data=df) plt.show() 

Sortida:

Fem ara una ullada a com les paletes de colors poden millorar la presentació de les nostres dades.

En el següent exemple, utilitzarem el paràmetre 'palette'.

El programa següent il·lustra el mateix:

4. Ús de paletes de colors

entrada-

 import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'tips' df=pd.read_csv('/content/tips.csv') #plotting the graph sns.countplot(x='sex', data=df, palette='Set1') plt.show() 

Sortida:

En el següent exemple, utilitzarem el paràmetre color i veurem com funciona?

El programa següent il·lustra el mateix:

5. Ús d'un paràmetre 'color'

Exemple -

 import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'train' df=pd.read_csv('/content/train.csv') #plotting the graph sns.countplot(x='Pclass',hue='Sex', data=df, color='green') plt.show() 

Sortida:

Ara utilitzarem el paràmetre 'saturació' i veurem com afecta la representació de les nostres dades.

El programa següent il·lustra el mateix:

6. Ús del paràmetre 'saturació'

Exemple -

 import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'train' df=pd.read_csv('/content/train.csv') #plotting the graph sns.countplot(x='Pclass',data=df, color='green', saturation=0.1) plt.show() 

Sortida:

I finalment en l'últim exemple farem servir els paràmetres amplada de línia i color de la vora.

Utilitzant matplotlib.axes.Axes.bar()

Exemple -

 import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'train' df=pd.read_csv('/content/train.csv') sns.countplot(x='Sex', data=df, color='green', facecolor=(0,0,0,0), linewidth=5, edgecolor=sns.color_palette('BrBG',2)) plt.show() 

Sortida: