Terrain de violon à la mer

SeaBorn est une splendide interface graphique Python pour visualiser les graphiques statistiques. Il comprend des dispositions standard et des schémas de couleurs formidables qui permettent aux visualisations numériques d'être très attrayantes. Une parcelle de violon remplit une fonction identique à celle d'un braphardme à poil ou à la boîte. Il affiche un ensemble de points de données numériques parmi une ou peut-être plus de variables continues. La parcelle de violon, en dehors d'un tracé de boîte, a une estimation de densité du noyau de la fonction de densité. Cela pourrait être une technique efficace et élégante pour afficher plusieurs points de données aux dimensions spatiales.

Dans une «forme large», chaque élément statistique qui pourrait être représenté sur le graphique est contenu dans un ensemble de données. Le package Numpy ou d'autres modules différents peuvent être utilisés. Cependant, les bibliothèques Pandas sont généralement recommandées car les étiquettes correspondantes sont nécessaires pour définir les deux axes. Lorsqu'ils sont particulièrement en comparaison avec des boîtes à boîte, qui pourraient également obscurcir les données pertinentes, les parcelles de violon nécessitent une reconnaissance accrue.

Exemple 1

Dans ce cas, nous utilisons le violinplot () pour créer une représentation générale de la base de données «IRMf». Nous classons les éléments de données par attribut, qui comprend la région et l'événement dans ce cas.

importer marin
Importer Matplotlib.pypllot comme plt
marin.set (style = 'whitegrid')
IRMf = Seaborn.load_dataset ("FMRI")
marin.violinplot (x = "timepoint",
y = "signal",
Hue = "région",
style = "événement",
data = IRMf)
PLT.montrer()

Après l'importation des fichiers d'en-tête Seaborn et Matplotlib.Pypllot, nous utilisons la méthode Set () du paquet SeaBorn. Cela contient le «style» comme paramètre. Nous indiquons le style de notre intrigue à l'aide de ce paramètre. Maintenant, nous importons le cadre de données de «IRMf», nous utilisons donc la fonction LOAD_DATASET ().

Dans cette étape, nous appliquons la méthode violinplot () pour dessiner les graphiques de violon. Le module Seaborn contient cette fonction. Ici, nous spécifions le titre de l'axe X et de l'axe Y, de la teinte, du style et des données. Un graphique de violon est comparable à un graphique de boîte et un graphique de moustache en termes de fonction. Il démontre la variété des données statistiques tout au long des différentes étapes d'un seul et peut-être des variables plus catégoriques, prévoyant une comparabilité. Cela pourrait être une approche efficace et engageante pour illustrer les nombreuses proportions de données en même temps. En fin de compte, nous utilisons la méthode Show () pour illustrer le graphique.

Exemple 2

Le paramètre «palette» est ajouté dans cet exemple. Nous créons les points en utilisant les différentes nuances à l'aide de l'argument «palette». Nous remarquerons comment la palette est utilisée pour créer un tracé de violon ayant plusieurs variables d'image couleur dans l'instance suivante:

importer marin
Importer Matplotlib.pypllot comme plt
marin.set (style = "whitegrid")
Conseils = Seaborn.load_dataset ("conseils")
marin.violinplot (x = "day", y = "total_bill", hue = "fumeur",
data = tips, palette = "set2", dodge = true)
PLT.montrer()

Tout d'abord, nous présentons les bibliothèques requises, Seaborn et Matplotlib.pypllot. Avec l'aide de la méthode set (), nous avons efficacement spécifié le modèle de la toile de fond du graphique. Ceci est une caractéristique du module SeaBorn. L'argument de style est défini sur «Whitegrid» dans ce cas.

Dans l'étape suivante, pour charger le cadre de données des «conseils», nous utilisons la méthode de DataSet () du package SeaBorn (). La méthode violinplot () est utilisée pour dessiner les parcelles de violon. Cette méthode a un certain nombre de paramètres. En donnant l'argument «palette» à la fonction violinplot (), nous avons définis le jeu de couleurs de l'intrigue. Enfin, nous utilisons le matplotlib.Méthode Show () du module Pyplot pour représenter le graphique terminé.

Exemple 3

Nous créerons chaque dimension de l'attribut de couleur sur les axes de catégorie particulière dans une zone désignée. La configuration de Dodge vers True tout en utilisant la superposition de teintes isole l'emplacement pour des variations de teintes distinctes n'importe où le long d'une dimension déclarative. L'argument «palette» est appliqué pour représenter les plusieurs variations du paramètre Hue.

importer marin
Importer Matplotlib.pypllot comme plt
marin.set (style = "whitegrid")
Conseils = Seaborn.load_dataset ("conseils")
marin.violinplot (x = 'day', y = 'total_bill',
data = tips, hue = 'time', palette = 'pastel')
PLT.montrer()

Au début du programme, nous avons incorporé les fichiers d'en-tête. La bibliothèque Seaborn est importée sous le nom de SNS et le matplotlib.le tracé est importé en PLT. Maintenant, nous définissons la disposition de l'arrière-plan du graphique en utilisant la méthode set (). La bibliothèque Seaborn a cette fonction. Ici, la valeur du paramètre de style est «Whitegrid».

Il est maintenant temps de charger le cadre de données intégré, nous avons donc appelé la méthode Load_Dataset () du package Seaborn. La fonction violinplot () est appliquée. Cette fonction contient différents paramètres, notamment la légende des deux axes, la valeur de la teinte, des données, de la palette et. Enfin, nous utilisons la fonction show () du matplotlib.module pyplot pour afficher le graphique final.

Exemple 4

Dans ce cas, nous allons fournir une commande explicite pour spécifier la séquence de violon.

importer marin
Importer Matplotlib.pypllot comme plt
marin.set (style = "whitegrid")
Conseils = Seaborn.load_dataset ("conseils")
marin.violinplot (x = "time", y = "tip", data = conseils,
commande = ["dîner", "déjeuner"])
PLT.montrer()

Nous avons importé le Seaborn et Matplotlib.bibliothèques pypllot au début du code. Après cela, nous avons utilisé la méthode set (). Cette fonction a le paramètre «style». Nous pouvons utiliser ce paramètre pour personnaliser la conception de la figure. Nous avons utilisé la méthode DataSet () chargée pour acquérir le cadre de données. Nous avons ensuite utilisé la fonction violinplot () pour créer les graphiques de violon dans cette phase. Cette méthode se trouve dans le paquet Seaborn.

Les titres de l'axe X et de l'axe Y, ainsi que l'ordre, sont spécifiés ici. L'axe des x est étiqueté comme «temps» tandis que l'axe y est étiqueté comme «pourboire». Le dîner et le déjeuner sont inclus dans la commande. Ensuite, nous avons utilisé la fonction show () pour visualiser l'intrigue.

Conclusion

Dans cet article, nous avons discuté des nombreuses méthodologies utilisées pour créer les parcelles de violon à SeaBorn. La dispersion d'un score numérique sur un ou peut-être plus de groupes pourraient être vus en utilisant un complot de violon. La méthode violinplot () dans SeaBorn est très bien adaptée. Les parcelles de violon sont similaires aux parcelles de boîte, y compris l'affichage des informations statistiques, mais ils fournissent également des données plus pertinentes. Dans une parcelle de violon, la forme du «violon» est un KDE qui décrit la morphologie des données. À l'aide des paramètres de style et de palette, nous modifions rapidement la disposition et le schéma de couleurs de la visualisation. La conception et la teinte du graphique peuvent être personnalisées de diverses manières à travers SeaBorn.