Line -plot Seaborn
SeaBorn offre une meilleure interface que Matplotlib. Ainsi, permettant aux utilisateurs de simplifier une grande partie des modifications. Certaines opérations qui seraient autrement tenues de créer des graphiques matplotlib comme sensibles. Il fonctionne également bien avec les types de données Pandas, ce qui rend le prétraitement des données et la visualisation simple. Il contient également plusieurs graphiques ayant des paramètres utiles et une disposition attrayante.
Créer un tracé de ligne qui permet plusieurs catégories sémantiques. La palette, la taille et les attributs de mise en page seront utilisés pour afficher la corrélation entre les variables pour des ensembles de données spécifiques. Plusieurs attributs déterminent quelle sémantique graphique a été utilisée pour distinguer les différentes catégories. En utilisant ces variétés sémantiques, il est possible de représenter les éléments séparément. Cependant, cette manière de l'intrigue pourrait être difficile à comprendre et est généralement inefficace.
Mais produire des visuels plus utilisables et fournir plusieurs sémantiques (comme la teinte et la conception pour presque un élément similaire) peut être préférable. Dessinez des tracés de ligne en utilisant différentes méthodologies.
Utilisez la fonction lineplot ()
Dans ce cas, nous avons utilisé la méthode lineplot () pour créer un tracé de ligne. La bibliothèque Seaborn détient la fonction LinePlot (). Nous allons utiliser des données aléatoires pour dessiner le tracé de ligne:
Importer des pandas en tant que PDImporter Seaborn comme SNS
Importer Matplotlib.pypllot comme plt
Année = [2011, 2013, 2015, 2017, 2019, 2021, 2022]
Bénéfice = [90, 85.8, 60, 55, 77.5, 29, 45.6]
data_plot = pd.DataFrame ("Year": année, "Profit": Profit)
sns.lineplot (x = "année", y = "Profit", data = data_plot)
PLT.montrer()
Au début du programme, nous devons intégrer certaines bibliothèques. La bibliothèque Pandas sera intégrée sous le nom de «PD», SeaBorn sera intégré en tant que «SNS» et Matplotlib.Pyplot sera intégré comme «PLT». Pandas est l'un des packages intégrés destinés à rendre les données simples et instinctives avec des données linéaires ou catégorisées. Il comprend certains modèles de données et méthodes pour travailler avec des informations statistiques et des données linéaires généralisées. SeaBorn est un module Python pour créer des visuels numériques. Il est basé sur Matplotlib et est en corrélation efficace avec la bibliothèque Pandas.
La bibliothèque Seaborn aide les utilisateurs à accéder et à évaluer les données. Parmi les modules les plus largement utilisés pour l'analyse des données figurent Matplotlib. Cette bibliothèque sera un package multiplateforme qui crée des graphiques dimensionnels à l'aide d'une gamme de données. Il comprend une interface pour intégrer les graphiques dans Python Graphical Framework basé sur les applications.
Dans la ligne suivante, nous avons initialisé une variable nommée «année» et attribué quelques années aléatoires à partir de 2011 et se terminant en 2022. Ensuite, nous spécifions l'ensemble de données du profit et définissons les valeurs. Nous avons utilisé la fonction de trame de données (). Pour obtenir un bref aperçu du nouvel ensemble de données, utilisez la méthode DataFrame () du package de Pandas. Il est particulièrement utile pour exécuter l'évaluation des données exploratoires. Nous utilisons la méthode DataFrame () pour accéder à un aperçu dynamique des données d'origine. Cette fonction contient les variables «année» et «profit» comme paramètres. Ces données sont stockées dans la variable 'data_plot'.
Maintenant, tracez le tracé de ligne. Nous l'avons donc appliqué à la méthode lineplot () de la bibliothèque Seaborn. Ici. Nous avons fourni les étiquettes des axes X et Y. L'axe des x sera étiqueté comme «année» et l'axe y sera étiqueté comme «profit». En fin de compte, nous illustrons l'intrigue de ligne afin que la méthode show () soit utilisée.
La corrélation proportionnelle entre les deux éléments différents de l'ensemble de données est indiquée dans le tracé ci-dessus.
Utilisez le cadre de données «iris»
Ici, nous avons invoqué la fonction lineplot () pour illustrer le cadre de données de la fleur de l'iris:
Importer Seaborn comme SNSImporter Matplotlib.pypllot comme plt
données = SNS.load_dataset ("iris")
sns.lineplot (x = "sepal_length", y = "sepal_width", data = data)
PLT.montrer()
Après avoir introduit les fichiers d'en-tête requis Seaborn et Matplotlib.pypllot, nous allons charger le cadre de données de l'iris fleur. Ainsi, la fonction load_dataset () sera utilisée. Cette fonction est liée au paquet Seaborn. Nous avons donné «Iris» comme un attribut à cette fonction. Maintenant, nous dessinons le tracé de ligne spécifique que nous avons appliqué à la méthode lineplot (). Cette fonction contient différents paramètres.
La longueur et la largeur des sépales sont données comme des attributs. L'axe X de l'intrigue montre la longueur du sépale tandis que l'axe y montre la largeur du sépale. Après tout cela, nous avons utilisé la méthode Show () pour afficher simplement le tracé de ligne à l'écran.
Utilisez le paramètre «Hue» de la fonction LinePlot ()
L'argument `` Hue '' pourrait être appliqué pour catégoriser les paramètres multiples de la trame de données et peut être utilisé pour démontrer la corrélation entre les champs de données des deux axes lorsque les données sont spécifiées comme paramètre à la fonction.
Importer Seaborn comme SNSImporter Matplotlib.pypllot comme plt
données = SNS.load_dataset ("conseils")
sns.lineplot (x = "total_bill", y = "taille",
Hue = "Sex",,
données = données)
PLT.montrer()
Tout d'abord, nous importons les fichiers d'en-tête Seaborn et Matplotlib.pypllot. Nous allons accéder à un cadre de données TIPS. Par conséquent, la méthode de chargement de chargement () serait appelée. Nous avons attribué la méthode des «conseils» du paramètre. Nous avons utilisé la méthode lineplot () pour construire un tracé de ligne particulier. Cette méthode a un ensemble de paramètres. Les attributs, la facture totale, la taille, la teinte et le style sont spécifiés. La facture totale est tracée sur l'axe des x, tandis que la taille est tracée sur l'axe y.
Nous avons établi la valeur de «Hue» à «sexe» et le style à «sexe». Après cela, nous avons appliqué la fonction show () pour simplement présenter le tracé de ligne sur le terminal.
Conclusion
Dans cet article, nous avons exploré comment dessiner les graphiques de ligne en utilisant la fonction lineplot () du module SeaBorn à Python. Nous avons également créé les tracés de ligne à l'aide de plusieurs exemples et en passant différents paramètres à cette fonction. Plusieurs lignes peuvent être tracées pour afficher les données dans des emplacements ou des graphiques identiques. Nous pouvons représenter l'interaction entre plusieurs lignes de données ou éléments de données en utilisant des ensembles de données ou des paramètres de données similaires ou assortis. Pour dessiner des gradients de couleur pour de nombreux ensembles de données, nous avons utilisé l'argument «Hue».