I den här artikeln kommer vi att diskutera hur vi kan skapa en sammanräkning använda seaborn-biblioteket och hur de olika parametrarna kan användas för att härleda resultat från funktionerna i vår datauppsättning.
Seaborn bibliotek
Seaborn-biblioteket används flitigt bland dataanalytiker, galaxen av plotter som det innehåller ger den bästa möjliga representationen av våra data.
Seaborn-biblioteket kan importeras till vår arbetsmiljö med-
sträng i c
import seaborn as sns
Låt oss nu diskutera varför vi använder countplot och vad är betydelsen av dess parametrar.
Räkneplan
Räknediagrammet används för att representera förekomsten(antal) av observationen som finns i den kategoriska variabeln.
Den använder konceptet med ett stapeldiagram för den visuella avbildningen.
Parametrar-
Följande parametrar specificeras när vi skapar en countplot, låt oss få en kort uppfattning om dem-
Låt oss nu se vad som är de olika sätten att representera våra attribut.
I det första exemplet kommer vi att skapa en countplot för en enda variabel. Vi har tagit datauppsättningens 'tips' för att implementera detsamma.
1. Värdet räknas för en enskild variabel
Exempel -
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()
Produktion:
I nästa exempel kommer vi att använda hue-parametern och skapa en countplot.
Följande program illustrerar samma-
2. Representerar två kategoriska variabler med hjälp av nyansparameter
Exempel -
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()
Produktion:
förklara dataoberoende
I nästa exempel kommer vi att betrakta y-axeln och skapa en horisontell räknediagram.
Följande program illustrerar samma-
3. Skapa horisontella plotter
Exempel -
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()
Produktion:
Låt oss nu ta en titt på hur färgpaletter kan förbättra presentationen av våra data.
I nästa exempel kommer vi att använda parametern 'palett'.
lexikografisk ordning
Följande program illustrerar samma-
4. Använda färgpaletter
Inmatning-
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()
Produktion:
I nästa exempel kommer vi att använda parametern färg och låt oss se hur det fungerar?
Följande program illustrerar samma-
5. Använda en parameter 'färg'
Exempel -
ternär operatör java
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()
Produktion:
Nu kommer vi att använda parametern 'mättnad' och se hur det påverkar representationen av våra data.
Följande program illustrerar samma-
6. Använda parametern 'mättnad'
Exempel -
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()
Produktion:
Och slutligen i det sista exemplet kommer vi att använda parametrarna linjebredd och kantfärg.
Exempel -
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()
Produktion: