Barlot de Seaborn

«Seaborn est un ensemble d'analyses visuelles basées sur Matplotlib. Il a également une interface utilisateur interactive de haut niveau et des visuels analytiques visuellement attrayants et instructifs. Un graphique bien conçu serait juste distinctif. Les nuances pop, les textures fusionnent efficacement, les formes s'écoulent en douceur et le package total semble non seulement très bon, mais cela nous fournit également des informations précieuses.

Avec l'épaisseur de chaque pixel, un tracé de barre affiche une indication de distribution normale pour une séquence de valeurs et donne une mesure considérable de la variabilité autour d'une certaine figure en utilisant des barres d'erreur. Chaque fois que 0 est un nombre pertinent pour le paramètre numérique, mais nous voulons également comparer les choses, les graphiques à barres sont une bonne stratégie.

Un tracé ponctuel nous permet de souligner les variations dans les valeurs d'une seule ou multiple variables quantitatives dans les cadres de données alors que 0 ne serait pas une valeur notable. Cependant, il est crucial de se rappeler qu'un graphique de barre affiche simplement la valeur moyenne, alors que dans de nombreuses circonstances, illustrant la gamme de données à chaque point des variables quantitatives sera plus instructive."

Utiliser la méthode Barplot ()

Un tracé de barre est un graphique utilisé pour intégrer des points de données en utilisant diverses méthodes; la moyenne a toujours été la valeur par défaut. Il pourrait également être considéré comme une représentation visuelle collective à travers l'opération. Nous trouvons une ligne catégorisée appropriée pour l'axe des x et une ligne quantitative pour l'axe y pour appliquer ce graphique, et nous observons qu'il fournit un graphique avec une moyenne par ligne ordinale. Dans ce cas, nous avons utilisé la fonction Barplot () pour dessiner le graphique à barres.

Importer Seaborn comme SNS
Importer Matplotlib.pypllot comme plt
DF = SNS.load_dataset ('titanic')
sns.Barplot (x = 'who',
y = 'tarif',
data = df)
PLT.montrer()

Tout d'abord, nous avons introduit les fichiers d'en-tête requis. Le fichier d'en-tête Seaborn sera importé sous le nom de SNS et Matplotlib.pypllot sera introduit comme plt. La bibliothèque Seaborn fournit une meilleure interface utilisée pour dessiner des parcelles statistiques convaincantes. Ensuite, nous avons chargé le cadre de données qui est utilisé pour graphiquement. La bibliothèque Seaborn a cet ensemble de données. Nous déclarons une variable «DF» pour stocker cet ensemble de données.

Maintenant, nous devons dessiner un Barplot, nous utilisons donc la méthode Barplot () de la bibliothèque Seaborn. On nous fournit l'axe x, l'axe y et l'ensemble de données comme arguments à la fonction barplot (). En fin de compte, pour représenter l'intrigue, nous avons utilisé la méthode Show ().

L'axe X du graphique est étiqueté par le terme «qui», et l'axe y est étiqueté par «tarif."

Personnalisé la couleur

Nous pouvons personnaliser la couleur du bar à utiliser en utilisant le paramètre de la palette. Nous définissons la valeur de la couleur à l'aide de cet argument. La fonction Barplot () contient le paramètre de la palette.

Importer Seaborn comme SNS
Importer Matplotlib.pypllot comme plt
DF = SNS.load_dataset ('titanic')
sns.Barplot (x = 'who',
y = 'tarif',
Hue = 'classe',
données = df,
palette = "magma")
PLT.montrer()

Nous intégrerons deux bibliothèques dans les lignes de départ du code. Le fichier d'en-tête Seaborn sera incorporé sous forme de SNS et Matplotlib.Pypllot sera intégré en tant que PLT. Le module SeaBorn contient différentes méthodologies qui offrent une interface plus conviviale pour définir une visualisation statistique élevée.

Après cela, nous avons récupéré l'ensemble de données Titanic. Ce cadre de données est disponible dans le fichier d'en-tête Seaborn. Nous créons une variable appelée «DF» pour maintenir ces données. Nous devons maintenant dessiner un bar de bar; Ainsi, nous avons appliqué le fichier d'en-tête de la fonction barplot () SeaBorn. Les paramètres de la fonction barplot () sont l'axe X, l'axe y, le jeu de données, la teinte et la palette (). Les valeurs de l'axe X et Y sont fournies ici. Nous avons également sélectionné les nuances de palette. Enfin, nous avons utilisé la méthode Show () pour illustrer l'intrigue.

Dans cette sortie, la couleur des palettes est le magma, comme le montre la figure ci-dessous.

Conseils de bar

Le cadre de données TIPS est utilisé dans le graphique Barplot Tips, comme indiqué ci-dessous. Il affiche la quantité totale de conseils obtenus par le sexe. Il utilise la palette de magma qui comprend plusieurs nuances de magma.

Importer Numpy comme NP
Importer des pandas en tant que PD
Importer Matplotlib.pypllot comme plt
Importer Seaborn comme SNS
sns.set_context ('papier')
Conseils = SNS.load_dataset («conseils»)
sns.barplot (x = 'jour', y = 'total_bill', hue = 'sex', data = conseils,
Palette = 'Magma', EdgeColor = 'W')
conseils.groupe ([«jour», «sexe»]).moyenne()
PLT.montrer()

Au début du programme, nous avons importé Numpy en tant que NP, Pandas comme PD, Matplotlib.pypllot comme plt et marin comme sns. Ces bibliothèques fournissent les méthodologies pour les graphiques de dessin. Maintenant, nous avons appliqué la fonction contextuelle () de la bibliothèque Seaborn. Cette fonction fournit la valeur du paramètre basé sur le contexte. Maintenant, nous avons utilisé la méthode Fonction Load_Dataset () pour acquérir le cadre de données «Conseils."Ce cadre de données est lié au fichier d'en-tête Seaborn. Le Barplot est dessiné à l'aide de la méthode Barplot () de la bibliothèque Seaborn. Cette fonction a des paramètres différents, y compris l'axe X, l'axe Y, la teinte, les données, la palette et la couleur de bord.

Nous avons ajusté la valeur de l'axe x à «jour», la valeur de l'axe y comme «total_bill», la valeur de la teinte comme «sexe», la valeur de la couleur de la palette comme «magma» et la couleur des bords comme «w."Nous groupement également les données du tracé de la barre en utilisant le paramètre« jour »et« sexe."Ensuite, la fonction signifie () est utilisée. Cette fonction est appliquée pour déterminer la moyenne de la liste fournie de différentes valeurs. Nous pouvons obtenir la moyenne du cadre de données qui est donné comme arguments. Pour visualiser le tracé de la barre, nous avons appliqué la fonction show ().

Le code susmentionné est exécuté avec succès. L'axe des x de l'intrigue montre les noms de quatre jours de semaine, et l'axe y montre la valeur de la facture totale.

Conclusion

Avec l'aide de diverses cas, cet article démontre les méthodes de création d'un bar à Python en utilisant SeaBorn. Le lien entre un paramètre quantitatif et catégorique est illustré par un bar. Chaque entité de données catégorique est représentée en utilisant une barre. La valeur numérique est exprimée par la dimension de la barre. Nous pouvons personnaliser la couleur du barreau. Nous avons dessiné le Barplot en utilisant la méthode Barplot ().