TechCodeview

Šajā rakstā mēs apspriedīsim, kā mēs varam izveidot a skaitīšanas grafiks izmantojot jūras bibliotēku un kā dažādus parametrus var izmantot, lai secinātu rezultātus no mūsu datu kopas funkcijām.

Seaborn bibliotēka

Jūras bibliotēku plaši izmanto datu analītiķi, un tajā esošā diagrammu galaktika nodrošina vislabāko iespējamo mūsu datu attēlojumu.

Jūras bibliotēku var importēt mūsu darba vidē, izmantojot

 import seaborn as sns 

Tagad apspriedīsim, kāpēc mēs izmantojam skaitīšanas grafiku un kāda ir tā parametru nozīme.

Skaitīšanas diagramma

Skaitīšanas diagramma tiek izmantota, lai attēlotu novērojuma gadījumu( skaitu), kas atrodas kategoriskajā mainīgajā.

Tas izmanto joslu diagrammas jēdzienu vizuālajam attēlojumam.

Parametri -

Kad mēs veidojam skaitīšanas grafiku, tiek norādīti šādi parametri, ļaujiet mums iegūt īsu priekšstatu par tiem -

x un y-Šis parametrs norāda datus, uz kuriem atsaucamies attēlošanai, un pēc tam novēro izceltos modeļus.krāsa -Šis parametrs norāda krāsu, kas var dot labu izskatu mūsu sižetam.palete-Tas aizņem paletes vērtību. To galvenokārt izmanto, lai parādītu nokrāsas mainīgo.nokrāsa-Šis parametrs norāda kolonnas nosaukumu.dati-Šis parametrs norāda datu rāmi, ko mēs vēlamies izmantot attēlojumam. Piemēram, dati var būt masīvs.izvairīties-Šis parametrs nav obligāts, un tas pieņem Būla vērtību kā ievadi.piesātinājums-Šis parametrs pieņem peldošo vērtību. Kad mēs to norādām, var novērot krāsu intensitātes izmaiņas.hue_order-Parametrs hue_order izmanto virknes kā ievadi.Kwargs-Parametrs kwargs norāda atslēgu un vērtību kartējumus.cirvis-Parametrs ax nav obligāts, un to izmanto, lai ņemtu asis, uz kurām tiek izveidoti diagrammi.orientēt-Orientācijas parametrs nav obligāts, un tas norāda mums nepieciešamo diagrammas orientāciju — horizontāli vai vertikāli.

Tagad apskatīsim, kādi ir dažādi veidi, kā attēlot mūsu atribūtus.

Pirmajā piemērā mēs izveidosim skaitīšanas grafiku vienam mainīgajam. Mēs esam izmantojuši datu kopas “padomus”, lai ieviestu to pašu.

powershell administrators

1. Vērtība tiek skaitīta vienam mainīgajam

Piemērs -

 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() 

Izvade:

Nākamajā piemērā mēs izmantosim parametru nokrāsa un izveidosim skaitīšanas grafiku.

Sekojošā programma ilustrē to pašu -

2. Divu kategorisku mainīgo attēlošana, izmantojot nokrāsas parametru

Piemērs -

 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() 

Izvade:

Nākamajā piemērā mēs apsvērsim y asi un izveidosim horizontālu skaitīšanas grafiku.

Sekojošā programma ilustrē to pašu -

3. Horizontālo zemes gabalu veidošana

Piemērs -

 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() 

Izvade:

Tagad apskatīsim, kā krāsu paletes var uzlabot mūsu datu prezentāciju.

Nākamajā piemērā mēs izmantosim parametru 'palette'.

Sekojošā programma ilustrē to pašu -

4. Izmantojot krāsu paletes

Ievade-

 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() 

Izvade:

Nākamajā piemērā mēs izmantosim parametra krāsu un redzēsim, kā tas darbojas?

Sekojošā programma ilustrē to pašu -

5. Parametra “color” izmantošana

Piemērs -

 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() 

Izvade:

Tagad mēs izmantosim parametru “piesātinājums” un redzēsim, kā tas ietekmē mūsu datu attēlojumu.

Sekojošā programma ilustrē to pašu -

mysql saraksts visiem lietotājiem

6. Parametra “piesātinājums” izmantošana

Piemērs -

 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() 

Izvade:

Un visbeidzot pēdējā piemērā mēs izmantosim parametrus līnijas platums un malas krāsa.

Izmantojot matplotlib.axes.Axes.bar()

Piemērs -

 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() 

Izvade: