В тази статия ще обсъдим как можем да създадем a countplot използване на библиотеката на seaborn и как различните параметри могат да се използват за извеждане на резултати от характеристиките на нашия набор от данни.
Морска библиотека
Морската библиотека се използва широко сред анализаторите на данни, галактиката от графики, които съдържа, осигурява възможно най-доброто представяне на нашите данни.
Морската библиотека може да бъде импортирана в нашата работна среда с помощта на-
import seaborn as sns
Нека сега обсъдим защо използваме countplot и какво е значението на неговите параметри.
Countplot
Диаграмата за преброяване се използва за представяне на появата (броя) на наблюдението, присъстващо в категориалната променлива.
Той използва концепцията за стълбовидна диаграма за визуално изображение.
Параметри-
Следните параметри са посочени, когато създаваме график за броене, нека да получим кратка представа за тях -
Сега нека видим какви са различните начини за представяне на нашите атрибути.
В първия пример ще създадем графичен график за една променлива. Взехме „съвети“ от набора от данни, за да приложим същото.
1. Стойността се брои за една променлива
пример -
как да надстроя java
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()
Изход:
В следващия пример ще използваме параметъра за оттенък и ще създадем графичен график.
Следната програма илюстрира същото-
2. Представяне на две категорични променливи с помощта на параметъра hue
пример -
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()
Изход:
В следващия пример ще разгледаме оста y и ще създадем хоризонтална графика за броене.
Следващата програма илюстрира същото-
3. Създаване на хоризонтални графики
пример -
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()
Изход:
Нека сега да разгледаме как цветните палитри могат да подобрят представянето на нашите данни.
низ към булева java
В следващия пример ще използваме параметъра 'palette'.
Следващата програма илюстрира същото-
4. Използване на цветови палитри
Вход-
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()
Изход:
В следващия пример ще използваме параметъра color и ще видим как работи?
Следващата програма илюстрира същото-
5. Използване на параметър 'color'
пример -
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()
Изход:
Сега ще използваме параметъра „насищане“ и ще видим как влияе върху представянето на нашите данни.
Следващата програма илюстрира същото-
git добави всички
6. Използване на параметъра 'насищане'
пример -
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()
Изход:
И накрая в последния пример ще използваме параметрите ширина на линията и edgecolor.
пример -
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()
Изход: