TechCodeview

V tem članku bomo razpravljali o tem, kako lahko ustvarimo a countplot uporabo knjižnice seaborn in kako je mogoče različne parametre uporabiti za sklepanje rezultatov iz značilnosti našega nabora podatkov.

Seaborn knjižnica

Knjižnica seaborn se pogosto uporablja med analitiki podatkov, galaksija grafov, ki jih vsebuje, zagotavlja najboljšo možno predstavitev naših podatkov.

Knjižnico seaborn lahko uvozimo v naše delovno okolje z uporabo-

 import seaborn as sns 

Razpravljajmo zdaj o tem, zakaj uporabljamo graf štetja in kakšen je pomen njegovih parametrov.

Countplot

Graf štetja se uporablja za predstavitev pojavljanja (štetja) opažanja, prisotnega v kategorični spremenljivki.

Za vizualno upodobitev uporablja koncept paličnega grafikona.

Parametri-

Naslednji parametri so določeni, ko ustvarimo graf štetja, poglejmo jih na kratko -

x in y-Ta parameter določa podatke, na katere se sklicujemo za predstavitev, in nato opazuje označene vzorce.barva-Ta parameter določa barvo, ki lahko daje dober videz naši ploskvi.paleta-Zavzema vrednost palete. Večinoma se uporablja za prikaz spremenljivke odtenka.odtenek-Ta parameter določa ime stolpca.podatki-Ta parameter določa podatkovni okvir, ki ga želimo vzeti za predstavitev. Podatki so lahko na primer niz.umakniti-Ta parameter je neobvezen in kot vhod sprejme logično vrednost.nasičenost-Ta parameter sprejme plavajočo vrednost. Ko to določimo, lahko opazimo variacijo v intenzivnosti barv.hue_order-Parameter hue_order sprejme nize kot vhod.kwargs-Parameter kwargs podaja preslikave ključev in vrednosti.sekira-Parameter axe je neobvezen in se uporablja za prevzem osi, na katerih so ustvarjene ploskve.orient-Parameter orient je neobvezen in pove orientacijo ploskve, ki jo potrebujemo, vodoravno ali navpično.

Zdaj pa poglejmo, kateri so različni načini predstavitve naših atributov.

V prvem primeru bomo ustvarili graf štetja za posamezno spremenljivko. Uporabili smo 'nasvete' nabora podatkov, da bi to implementirali.

1. Vrednost šteje za posamezno spremenljivko

Primer -

 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() 

Izhod:

prehod motnosti css

V naslednjem primeru bomo uporabili parameter hue in ustvarili graf štetja.

Naslednji program ponazarja isto -

2. Predstavitev dveh kategoričnih spremenljivk z uporabo parametra odtenka

Primer -

 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() 

Izhod:

V naslednjem primeru bomo upoštevali os y in ustvarili vodoravni graf.

Naslednji program ponazarja isto -

3. Ustvarjanje vodoravnih risb

Primer -

 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() 

Izhod:

Oglejmo si zdaj, kako lahko barvne palete izboljšajo predstavitev naših podatkov.

V naslednjem primeru bomo uporabili parameter 'paleta'.

Naslednji program ponazarja isto -

4. Uporaba barvnih palet

Vnos-

 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() 

Izhod:

V naslednjem primeru bomo uporabili parameter barva in poglejmo, kako deluje?

značilnosti java

Naslednji program ponazarja isto -

5. Uporaba parametra 'barva'

Primer -

 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() 

Izhod:

Zdaj bomo uporabili parameter 'saturation' in videli, kako vpliva na predstavitev naših podatkov.

Naslednji program ponazarja isto -

6. Uporaba parametra 'nasičenost'

Primer -

 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() 

Izhod:

In končno, v zadnjem primeru bomo uporabili parametre širina črte in robna barva.

Uporaba matplotlib.axes.Axes.bar()

Primer -

 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() 

Izhod: