Seaborn Barplot plusieurs colonnes

«Nous allons passer en revue l'intrigue du SeaBorn Bar dans vos projets de science de l'apprentissage automatique dans cet article. Nous examinerons la structure des SNS de SeaBorn.Fonction Barplot () et voir quelques exemples de comment l'utiliser pour faire des tracés de bar plusieurs colonnes de diverses manières en modifiant ses paramètres.

Un terrain de barre est parmi les graphiques les plus importants pour représenter le regroupement quantitatif des statistiques par des blocs rectangulaires pour plusieurs catégories. Le lien entre les différentes variables de données est représenté à l'aide d'un graphique à barres multiples. Chaque valeur de données est représentée par une colonne différente du graphique. Les tracés à barres multiples sont essentiellement utilisés pour comparer diverses choses. Le SNS.La fonction barplot () trace un graphique à barres avec chaque barre représentant des données agrégées pour chaque groupe. Il calcule la moyenne de chaque groupe par défaut. Cela indique que la taille de chaque barre correspond à la moyenne de la catégorie.

Le terme «tracé multi-bar» fait référence à un complot avec plusieurs barres. L'intrigue à barre groupée est un autre nom pour cela. Dans Seaborn, un bar à barreau est utile lorsqu'il s'agit de plusieurs variables de catégorie. Les parcelles de bar groupées sont simples à créer avec le paquet de cartographie SeaBorn de Python."

Syntaxe du bar à Seaborn

Syntaxe:

marin.Barplot (x = aucun, y = aucun, Hue = Aucun, Data = Aucun, Ordre = Aucun, Hue_Order = Aucun, Unités = Aucun, Orient = None, errWidth = None, SAPSIZE = NONE, AX = NONE, KWARGS)

La description de chaque paramètre données à la méthode Barplot est la suivante.

x, y et teinte: Les arguments de la fonction sont stockés dans cette variable.

données: L'ensemble de données SeaBorn ou DataFrame créé qui sera utilisé pour tracer le tracé de la barre est passé ici.

Commande, Hue_Order: Le traçage des variables catégorielles doit être effectué dans cet ordre.

estimateur: Le bac de catégorie est déterminé à l'aide de cette fonction statistique.

Orient: Nous pouvons choisir si l'intrigue doit être verticale ou horizontale ici.

couleur: Cette option détermine la couleur de tous les éléments.

palette: Les couleurs utilisées dans les parcelles sont déterminées par cette option.

hache: C'est là que la visualisation est tracée sur les axes.

Exemple 1

Nous pouvons fabriquer plusieurs colonnes du Barplot en utilisant la barre de groupe de fonctions Seaborn. La méthode groupby () dans les pandas est utilisée pour diviser les données en groupes en fonction des critères spécifiés.

Dans l'exemple de script suivant, nous avons inclus la bibliothèque Matplotlib et le module SeaBorn pour tracer plusieurs colonnes à l'aide de Barplot. Maintenant, nous devons créer les données de traçage. Pour cela, nous avons inséré les données de l'ensemble de données Titanic de SeaBorn. L'exemple d'ensemble de données Titanic est ensuite chargé à l'intérieur du constructeur Load_dataset.

Ensuite, nous avons invoqué la fonction Groupby où les colonnes PCLASS et survivaient sont passées de la fonction Titanic. De plus, nous avons appliqué l'agrégation de l'âge de la colonne à partir de l'ensemble de données Titanic. Cette fonction regroupera ces colonnes. À l'intérieur de la fonction Barplot, nous avons réglé le PCLASS sur le paramètre X, le moyen du paramètre y et la teinte définie sur la colonne survie.

Importer Matplotlib.pypllot comme plt
Importer Seaborn comme SB
df = sb.load_dataset ('titanic')
df = df.Groupby ([«Pclass», «survivre»]).agg (moyen = ("Âge", 'Mean "))
df = df.reset_index ()
sb.Barplot (x = "pclass",
y = "Mean",
Hue = "a survécu",
data = df)
PLT.montrer()

Le Barplot avec plusieurs colonnes est visualisé comme suit:

Exemple 2

Dans le tracé de la barre ci-dessus, nous avons deux colonnes regroupées pour générer un tracé de barre. Nous pouvons prendre plus de deux colonnes pour se regrouper. Premièrement, les modules sont ajoutés au script Seaborn pour construire des parcelles. Après cela, les exemples de conseils d'ensemble de données sont appelés à l'intérieur de la fonction Seaborn Load_dataset.

Ensuite, nous avons une fonction Groupby dans la variable DF à laquelle la taille et le jour des colonnes sont données pour le regroupement. De plus, la méthode d'agrégation est utilisée dans cette variable. La pointe de la colonne est attribuée à la fonction d'agrégation, qui renvoie la moyenne de la pointe de la colonne. Ensuite, nous avons une fonction Barplot à l'intérieur desquelles nous avons des paramètres X et Y et définissons la taille et Mean_tip sur ces paramètres catégoriques.

Ici, nous avons introduit une autre teinte de paramètre facultative qui est définie avec la colonne de jour. Le plt.Show est utilisé pour montrer la figure de tracé de la barre.

Importer Matplotlib.pypllot comme plt
Importer Seaborn comme SNS
DF = SNS.load_dataset («conseils»)
df = df.Groupby (['Size', 'Day']).AGG (Mean_tip = ("Tip", 'Mean'))
df = df.reset_index ()
sns.Barplot (x = "taille",
y = moyenne_tip,
Hue = "Day",
data = df)
PLT.montrer()

Ici, nous avons montré la visualisation de la colonne multiple de Barplot de l'ensemble de données de la pointe.

Exemple 3

Comme nous avons utilisé la fonction GroupBy pour afficher les plusieurs colonnes de Barplot. Spécifiez simplement les trois paramètres x, y et teinte pour générer le tracé de la barre dans plusieurs colonnes. Alors, commençons par l'ajout des modules Python pour tracer les multiples barres de l'intrigue. L'iris de jeu de données d'échantillon est utilisé ici pour le traçage. Ensuite, nous avons simplement appelé le Barplot et passé trois colonnes de l'iris aux options X, Y et Hue, respectivement.

Importer Matplotlib.pypllot comme plt
Importer Seaborn comme SNS
df_titanic = SNS.load_dataset ("iris")
sns.Barplot (x = "sepal_length", y = "sepal_width", hue = "espèce", ci = "sd", chapsize = 0.09, data = df_titanic)
PLT.montrer()

Le Barplot de plusieurs colonnes est rendu à l'intérieur de la figure comme suit:

Exemple 4

Maintenant, nous générerons les multiples colonnes en utilisant le plot de Catorn Seabor. Dans l'exemple suivant, nous avons inséré les exemples de conseils de jeu de données du SeaBorn dans la fonction Load_dataset. Nous avons passé les attributs x, y et teinte à la fonction de clatation. L'entrée X a défini avec la colonne de jour, l'entrée y prend la colonne de pointe et l'entrée de teinte est définie avec le fumeur. À la fonction Catplot, nous avons réglé le paramètre de type à barre. Cela tracera le complot de la barre ici. La palette est également définie pour le bar.

Importer Matplotlib.pypllot comme plt
Importer Seaborn comme SNS
Conseils = SNS.load_dataset ("conseils")
bar = SNS.Catplot (x = "jour", y = "Tip",
Hue = "fumeur",
data = TIPS, kind = "bar", palette = "accent_r");
PLT.montrer()

Le tracé de la barre plusieurs colonnes est rendue ici à partir de la fonction Catplot.

Conclusion

Nous avons examiné la «mer de Seaborn Bar plusieurs colonnes» dans ce didacticiel Python et avons regardé la syntaxe du tracé de la barre. Nous avons également discuté des paramètres qui sont passés à l'intérieur de la fonction Barplot. La bibliothèque Seaborn nous a fourni plusieurs exemples ici sur la façon de fabriquer des parcelles de bar avec plusieurs colonnes en utilisant la fonction groupby. Nous avons également appris à utiliser la fonction Catplot () de SeaBorn pour créer plusieurs parcelles de bar.