Bar à coiffure

SeaBorn est un module Python pour créer des visualisations numériques. Il est basé sur la bibliothèque Matplotlib et interagit largement avec les fichiers d'en-tête Pandas. Seaborn aide les utilisateurs à analyser et à comprendre les données. Ses fonctions de visualisation fonctionnent avec la structure des données et les tableaux, y compris des enregistrements entiers, fournissant la cartographie sémantique et l'ensemble des associations requises en interne pour générer des graphiques utiles. Sa source de données, API explicite, permet aux utilisateurs de se concentrer sur l'interprétation des graphiques au lieu des détails techniques de les présenter.

L'interopérabilité du tracé de SeaBorn permet à l'utilisateur d'y accéder dans divers scénarios, tels que l'analyse exploratoire, l'interactivité réelle dans les applications graphiques et les résultats archivés dans une variété de représentations graphiques et vectorielles.

Un tracé de boîte a tendance à maintenir les données statistiques organisées afin que les analyses dans les paramètres ou même sur un ensemble d'attributs soient plus claires. S'il est fourni, les centiles et les valeurs critiques pour la médiane sont indiqués dans le cadre de base du tracé de la boîte. Les points de données sont des lignes horizontales qui traversent le milieu de chaque boîte, tandis que les moustaches représentent des lignes parallèles qui s'étendent à ses ensembles de données les plus excessifs, et les plafonds représentent des lignes tracées qui traversent les bords des moustaches. Le boîtier à boîte peut également être utilisé pour trouver des valeurs aberrantes dans une trame de données donnée.

Nous apprendrons les méthodes de dessin de boîtes à boîte par le module SeaBorn dans ce tutoriel d'indice Linux.

Utilisation de la méthode Boxplot ()

La fonction boxplot () est utilisée pour dessiner un tracé de boxplot. L'ensemble de données d'inflorescence de l'iris est importé dans l'instance ci-dessous. Le boxplot affiche finalement les valeurs les plus basses, les plus élevées, le 1er centile et le 3e centile.

Importer Seaborn comme SNS
Importer Matplotlib.pypllot comme plt
DF = SNS.load_dataset ('iris')
Imprimer (DF.diriger())
sns.boxplot (y = df ["sepal_length"])
PLT.montrer()

Au début du programme, nous devons importer les bibliothèques. La bibliothèque «Seaborn» est importée comme SNS, et la bibliothèque «Matplotlib.pyplot ”a été importé comme plt. Ensuite, nous déclarons une variable nommée «DF."Nous voulons charger les données, nous avons donc utilisé la fonction de chargement de données (). L'ensemble de données est stocké dans la variable «DF». La fonction Head () est utilisée. Pour obtenir les n première entrées, nous utiliserons cette fonction. En fonction de la position de l'objet, cette méthode ne contient que les n enregistrements n. Il est capable de déterminer efficacement si l'objet contient le type de données approprié. La série d'entrées à partir de laquelle sélectionner.

Maintenant, nous utilisons la fonction boxplot (), et nous avons fourni le paramètre Y à cette fonction. Un boîtier à boîte est une technique standard pour représenter des données multidimensionnelles composées de cinq analyses: «minimal», «premier centile», «moyenne», «troisième centile» et «le plus élevé.”Pour montrer le graphique final, le PLT.La méthode Show () est appliquée.

Horizontale au boîtier

Un tracé horizontal pourrait être utilisé comme boîte à boîte. Nous allons dessiner le boîtier de boîte dans le plan horizontal comme présenté sur la figure. Nous utiliserons à nouveau le cadre de données de l'iris. Les teintes affichées sont les teintes standard; Cependant, ils peuvent être changés.

Importer Seaborn comme SNS
Importer Matplotlib.pypllot comme plt
DF = SNS.load_dataset ('iris')
sns.boxplot (y = df ["espèces"], x = df ["sepal_length"])
PLT.montrer()

Tout d'abord, nous avons intégré deux fichiers d'en-tête. Le fichier d'en-tête Seaborn et Matplotlib.pypllot. L'ensemble de données de charge () est utilisé pour charger l'ensemble de données dans le tracé. Dans l'étape suivante, nous avons ajouté la méthode Head (). Cette fonction renvoie les cinq premiers cadres de l'ensemble de données par configuration. Il n'y a qu'un seul paramètre d'entrée: la série de lignes. Cet argument nous permet d'indiquer le nombre de valeurs dont nous avons besoin.

Utilisons la fonction boxplot () car elle peut indiquer davantage les anomalies et les valeurs associées. Ici, nous avons donné le paramètre X et le paramètre Y à cette fonction. L'étiquette de l'axe y de l'intrigue est prise comme le nom de l'espèce, et l'étiquette de l'axe x du graphique est prise de sepal_length. Nous avons appliqué la fonction show () pour représenter le tracé résultant.

Personnalisez les couleurs de la boîte à boîte

Les nuances pour le tracé de boxplot peuvent être personnalisées. En spécifiant l'attribut «palette», nous pouvons y parvenir. Il y a eu une variété de palettes, et la palette «magma» comprend un large éventail de magma.

Importer Seaborn comme SNS
Importer Matplotlib.pypllot comme plt
DF = SNS.load_dataset ('iris')
sns.boxplot (y = df ["espèces"], x = df ["sepal_length"], palette = "magma")
PLT.montrer()

Nous spécifions une variante appelée «DF» après avoir introduit les bibliothèques Seaborn et Matplotlib dans le programme. Ensuite, nous avons utilisé la méthode de chargement de données () pour récupérer les données. Dans la variable «DF», l'ensemble de données est enregistré. La méthode head () sera appliquée. Cette fonction serait utilisée pour acquérir les n premier éléments.

Nous allons maintenant utiliser la méthode boxplot (), à laquelle nous avons attribué les paramètres X et Y. Avec ces paramètres, nous avons spécifié la couleur des parcelles de boîte. Nous avons réglé la couleur «magma» sur le paramètre «palette» dans ce code. Le plt.La méthode show () est utilisée pour illustrer le graphique moulé.

Ajuster la taille du boîtier à boîte

L'option Largeur sera utilisée pour modifier la taille des différents boîtes à boîte. La largeur standard est de 1; Par conséquent, un peu moins que cela rend les boîtes plus courtes.

Importer Seaborn comme SNS
Importer Matplotlib.pypllot comme plt
DF = SNS.load_dataset ('iris')
sns.boxplot (x = df ["espèces"], y = df ["sepal_length"], largeur = 0.2)
PLT.montrer()

Les bibliothèques requises doivent être chargées au début du code. L'ensemble de données dans le graphique est chargé en utilisant la méthode de chargement de données (). La méthode Head () a été utilisée à l'étape suivante. Par défaut, cette méthode fournira les cinq premiers segments de l'ensemble. Nous utiliserons la méthode boxplot () pour dessiner les parcelles de boîte. Cette fonction a été attribuée au paramètre X et au paramètre Y déjà cité. La largeur des parcelles de boîte est également spécifiée.

Nous avons donc fourni cette fonction l'argument «largeur». L'axe y de l'intrigue est étiqueté avec le nom de l'espèce, tandis que l'axe x du graphique est étiqueté avec une longueur sépale. Nous avons utilisé la méthode Show () pour représenter le tracé de sortie.

Conclusion

Dans cet artefact, nous avons examiné comment dessiner des boîtes à boîtiers à l'aide de la bibliothèque Seaborn. Nous avons vu comment changer la largeur et les couleurs des parcelles de boîte. La représentation visuelle de la présentation d'ensembles d'informations statistiques par leur centile est appelée un tracé de boîte. Il résume efficacement les données collectées à l'aide d'une boîte et des barres et nous permet à tous d'évaluer directement les ensembles.