Ebben a cikkben megvitatjuk, hogyan hozhatunk létre a countplot a seaborn könyvtár használatával, és hogyan lehet a különböző paramétereket felhasználni arra, hogy az adatkészletünk jellemzőiből eredményeket lehessen következtetni.
linux hogyan kell átnevezni egy könyvtárat
Seaborn könyvtár
A tengeri könyvtárat széles körben használják az adatelemzők, a benne található parcellák galaxisa a lehető legjobban reprezentálja adatainkat.
A tengeri könyvtárat a munkakörnyezetünkbe importálhatjuk
import seaborn as sns
Most beszéljük meg, miért használjuk a countplot-ot, és mi a jelentősége a paramétereinek.
Countplot
A countplot a kategorikus változóban jelenlévő megfigyelés előfordulása(i) ábrázolására szolgál.
A vizuális ábrázoláshoz az oszlopdiagram fogalmát használja.
Paraméterek-
A következő paramétereket adjuk meg, amikor countplot-ot hozunk létre, hadd kapjunk egy rövid képet róluk-
Most pedig nézzük meg, milyen különböző módokon ábrázolhatjuk tulajdonságainkat.
Az első példában egyetlen változóhoz készítünk egy countplot-ot. Megfogadtuk az adatkészlet „tippjeit”, hogy ugyanezt megvalósítsuk.
1. Az érték egyetlen változóra számít
Példa -
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()
Kimenet:
A következő példában a színárnyalat paramétert fogjuk használni, és létrehozunk egy countplot-ot.
A következő program ugyanezt szemlélteti,
2. Két kategorikus változó ábrázolása színárnyalat paraméterrel
Példa -
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()
Kimenet:
A következő példában figyelembe vesszük az y tengelyt, és létrehozunk egy vízszintes számlálási diagramot.
A következő program ugyanezt szemlélteti,
3. Vízszintes telkek készítése
Példa -
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()
Kimenet:
Most pedig nézzük meg, hogy a színpaletták hogyan javíthatják adataink megjelenítését.
A következő példában a 'paletta' paramétert fogjuk használni.
A következő program ugyanezt szemlélteti,
4. Színpaletták használata
Bemenet-
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()
Kimenet:
A következő példában a szín paramétert fogjuk használni, és lássuk, hogyan működik?
A következő program ugyanezt szemlélteti,
5. „szín” paraméter használata
Példa -
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()
Kimenet:
Most a „telítettség” paramétert fogjuk használni, és megnézzük, hogyan befolyásolja az adataink megjelenítését.
A következő program ugyanezt szemlélteti,
6. A 'telítettség' paraméter használata
Példa -
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()
Kimenet:
És végül az utolsó példában a paramétereket fogjuk használni vonalvastagság és élszín.
Példa -
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()
Kimenet: