Joint-Plot de Seaborn

Un joint-esplot est composé de trois graphiques. Un graphique illustre un graphique statistique multivarié qui montre comment la variable de critère fluctue avec les variables prédictives. Le deuxième graphique, situé en diagonale au bord supérieur du graphique multivarié, illustre la dispersion de la variable impartiale. Le dernier graphique, situé sur le bord droit du graphique multivarié avec une direction ajustée verticalement, représente la dispersion de la variable prévue.

L'analyse de la variance fait référence à un paramètre spécifique. Il évalue et illustre les anomalies pertinentes dans les données, tandis que la régression multiple évalue les liens entre les différentes variations et l'intensité de cette association. Le module Seaborn JointPlot () La méthode calcule un graphique de dispersion contenant des histogrammes distincts au bord supérieur du tracé et aux côtés droits. Dans cette section, nous parlerons de la façon de dessiner des places articulaires.

Utilisez la méthode JointPlot ()

Nous utiliserons le JointPlot () Méthode pour créer les articles articulaires. Le graphique de cette étape indique un graphique de dispersion ayant deux histogrammes sur les bords de la carte. Le graphique montre que les champs «Total Bill» et «Tip» semblent avoir une association positive. À mesure que la valeur d'un paramètre augmente,.

Même si les marques sur le graphique sont dispersées, la valeur de corrélation semble modeste. Les histogrammes relatifs sont droits car la plupart des entrées sont confinées à la moitié gauche de la dispersion. Cependant, la moitié droite est plus large.

Importer Seaborn comme SNS
Importer Matplotlib.pypllot comme plt
Conseils = SNS.load_dataset («conseils»)
sns.JointPlot (x = 'total_bill', y = 'Tip', données = pointes, hauteur = 10, rapport = 4, espace = 1)
PLT.montrer()

Au début du programme, nous avons introduit SeaBorn et Matplotlib.bibliothèques pypllot. Le SeaBorn sera importé sous le nom de SNS et Matplolib.Pypllot sera importé en PLT. Ensuite, nous récupérerons les données des «conseils» en utilisant la fonction load_dataset (). Le module Seaborn détient cette fonction. Le diriger() La fonction est appelée. Nous avons appliqué le JointPlot () Méthode de la bibliothèque Seaborn. Cette fonction est utilisée pour dessiner les places articulaires. Nous avons fourni les légendes des deux axes, l'ensemble de données, la hauteur du tracé, le rapport et l'espace comme paramètres du Méthode JointPlot (). En fin de compte, le montrer() fonction de matplotlib.Pyplot sera utilisé pour représenter le graphique.

Dessinez un plot conjoint ayant une palette de couleurs

En spécifiant l'argument «Hue» à «fumeur», les variables pour les fumeurs seront montrées dans des teintes distinctes de cet exemple. Regardez à quel point les deux composants du «fumeur» sont séparés. Des tracés de densité sont présentés à travers les deux frontières plutôt que dans les histogrammes pour illustrer la représentation des données pour les multiples catégories du paramètre de couleur indépendamment.

Importer Seaborn comme SNS
Importer Matplotlib.pypllot comme plt
Conseils = SNS.load_dataset («conseils»)
sns.JointPlot (x = 'Total_bill', y = 'Tip', data = Tips, Hue = 'Smoker')
PLT.montrer()

Nous avons incorporé le Seaborn et Matplotlib.bibliothèques pypllot au début du programme. Le SNS sera utilisé pour importer le Seaborn, et de même, PLT sera utilisé pour importer Matplotlib.pypllot. Ensuite, nous utiliserons l'ensemble de données de chargement de méthode pour obtenir les données de la variable «TIPS». Ceci est une méthode du paquet Seaborn. Le méthode head () sera appliqué. La bibliothèque Seaborn JointPlot () La fonction a été utilisée. Les places articulaires sont dessinées lors de l'utilisation de cette méthode. Comme arguments de la fonction JointPlot (), Nous avons fourni des titres pour l'axe x et y, le cadre de données et la teinte. Le paramètre «Hue» détermine le ton de couleur du tracé. Enfin, avec l'aide du matplotlib.pypllot montrer() Méthode, le graphique sera affiché.

Tracer une ligne de régression

Une pente de la ligne dépeint la relation entre les différentes variables. La courbe a été dessinée. Ainsi, ce serait le plus près possible pour la plupart des ensembles de données. La ligne de régression est calculée à l'aide de méthodes numériques, et nous pouvons utiliser cette expression pour déterminer les variables. Lorsque l'argument «gentil» est affecté à «reg», le JointPlot () La méthode est invoquée. Une ligne de régression est créée sur le graphique. La ligne de régression est utilisée pour indiquer diverses mesures de performance.

Importer Seaborn comme SNS
Importer Matplotlib.pypllot comme plt
Conseils = SNS.load_dataset («conseils»)
sns.JointPlot (x = 'total_bill', y = 'Tip', data = TIPS, kind = 'reg')
PLT.montrer()

Tout d'abord, nous avons importé les fichiers d'en-tête requis: Seaborn en SNS et Matplotlib.pypllot comme plt. Chargeons l'ensemble de données intégrées des conseils avec l'aide de load_dataset (). Cette fonction est associée au paquet Seaborn. Nous avons utilisé le diriger() méthode. Ensuite, nous dessinerons les places articulaires en utilisant le JointPlot () Méthode de la bibliothèque Seaborn. Cette fonction contient différents paramètres, qui incluent le titre de l'axe X comme «Total_bill», l'axe y comme «Tip», les données des conseils et Kind.

Nous avons défini la valeur de l'argument «gentil» comme «reg» pour tracer la ligne de régression sur le graphique. Nous appelons maintenant le montrer() fonction pour illustrer le graphique résultant.

Dessiner l'histogramme 2D

L'argument «aimable» dans le programme précédent serait spécifié comme «HIST», et le JointPlot dépeint un histogramme 2D. L'analyse de fréquence pour deux variables nominales consécutives est utilisée dans un histogramme 2D. La longueur des lignes dans un histogramme 1D reflète le total. Dans un histogramme 2D, chaque barre du graphique montre un intermédiaire et comprend la probabilité cumulative d'occurrence des entrées dans les deux catégories. Le graphique primaire est constitué de segments carrés qui ont été colorés dans un spectre.

Importer Seaborn comme SNS
Importer Matplotlib.pypllot comme plt
Conseils = SNS.load_dataset («conseils»)
sns.JointPlot (x = 'total_bill', y = 'Tip', data = tips, kind = 'hist')
PLT.montrer()

Après avoir introduit les bibliothèques Seaborn et Matplotlib.pypllot avec le soutien du load_dataset (), Nous chargerions les points de données intégrés des conseils. Le module Seaborn est lié à cette méthode. Le diriger() La fonction a été utilisée.

Ensuite, nous utiliserons le JointPlot () Fonction du package Seaborn pour créer des places articulaires. Cette méthode a plusieurs paramètres, notamment l'étiquette de l'axe X de la «facture totale», l'étiquette de l'axe y de «Tip», les données des conseils et. Pour dessiner un histogramme bidimensionnel, nous définissons la valeur du paramètre «Kind» à «Hist». Nous avons utilisé le montrer() Méthode pour visualiser le graphique final.

Conclusion

Nous avons discuté de plusieurs approches pour dessiner les places articulaires à l'aide du paquet Seaborn. En fournissant une valeur numérique aux arguments appropriés au Méthode joinPlot (), Nous pouvons changer la dimension du graphique, la proportion d'axes, l'altitude des coordonnées et l'espacement entre l'axe x et y. Sur les joints de joint, nous pouvons modifier la disposition du graphique et ajouter la ligne de régression.