Barlot de Seaborn
Com a espessura de cada pixel, um gráfico de barra exibe uma indicação de distribuição normal para uma sequência de valores e fornece uma medida considerável da variabilidade em torno de uma determinada figura utilizando barras de erro. Sempre que 0 é um número relevante para o parâmetro numérico, mas queremos comparar as coisas com isso também, os gráficos de barras são uma boa estratégia.
Um gráfico de pontos nos permite enfatizar variações dentro de valores de uma ou múltipla variáveis quantitativas nos quadros de dados quando 0 não seria um valor notável. No entanto, é crucial lembrar que um gráfico de barra apenas exibe o valor médio, enquanto em muitas circunstâncias, ilustrando a gama de dados em todos os pontos das variáveis quantitativas será mais instrutiva.”
Use o método Barplot ()
Um gráfico de barras é um gráfico que está sendo usado para integrar pontos de dados utilizando vários métodos; A média sempre foi o padrão. Também pode ser visto como uma representação visual coletiva através da operação. Encontramos uma linha categorizada adequada para o eixo x e uma linha quantitativa para o eixo y aplicar este gráfico, e observamos que ele fornece um gráfico com uma linha média por linha ordinal. Nesse caso, utilizamos a função Barplot () para desenhar o gráfico de barras.
Importar Seaborn como SNSimportar matplotlib.pyplot como plt
df = SNS.load_dataset ('Titanic')
SNS.Barplot (x = 'Quem',
y = 'tarifa',
dados = df)
plt.mostrar()
Primeiro de tudo, introduzimos os arquivos de cabeçalho necessários. O arquivo de cabeçalho Seaborn será importado como SNS e Matplotlib.Pyplot será introduzido como PLT. Biblioteca Seaborn fornece uma melhor interface usada para desenhar parcelas estatísticas atraentes. Em seguida, carregamos o quadro de dados que é empregado para representar gráficos. A Biblioteca Seaborn tem este conjunto de dados. Declaramos uma variável "df" para armazenar este conjunto de dados.
Agora temos que desenhar um Barplot, por isso estamos usando o método Barplot () da Biblioteca Seaborn. Recebemos o eixo x, o eixo y e o conjunto de dados como os argumentos da função Barplot (). No final, para representar o enredo, utilizamos o método show ().
O eixo x do gráfico é rotulado pelo termo "quem", e o eixo y é rotulado por "tarifa.”
Personalizou a cor
Podemos personalizar a cor do barlot usando o parâmetro da paleta. Definimos o valor da cor com a ajuda deste argumento. A função barplot () contém o parâmetro da paleta.
Importar Seaborn como SNSimportar matplotlib.pyplot como plt
df = SNS.load_dataset ('Titanic')
SNS.Barplot (x = 'Quem',
y = 'tarifa',
Hue = 'classe',
dados = df,
paleta = "magma")
plt.mostrar()
Vamos integrar duas bibliotecas nas linhas de início do código. O arquivo de cabeçalho do SeaBorn será incorporado como SNS e Matplotlib.PyPlot será integrado como PLT. O módulo SeaBorn contém diferentes metodologias que oferecem uma interface mais amigável para definir alta visualização estatística.
Depois disso, recuperamos o conjunto de dados do Titanic. Este quadro de dados está disponível no arquivo de cabeçalho do SeaBorn. Criamos uma variável chamada "df" para manter esses dados. Agora precisamos desenhar um Barlot; Assim, aplicamos o arquivo de cabeçalho da função Barplot (). Os parâmetros da função Barplot () são o eixo x, eixo y, conjunto de dados, tonalidade e paleta (). Os valores do eixo x e y são fornecidos aqui. Nós também selecionamos os tons de paleta. Finalmente, usamos o método show () para ilustrar o enredo.
Nesta saída, a cor das paletas é o magma, como mostrado na figura abaixo.
Dicas de explosão
O quadro de dados das dicas é usado no gráfico de dicas de barrot, como mostrado abaixo. Ele exibe a quantidade total de dicas obtidas por gênero. Emprega a paleta de magma que inclui vários tons de magma.
importar numpy como npimportar pandas como PD
importar matplotlib.pyplot como plt
Importar Seaborn como SNS
SNS.set_context ('papel')
Dicas = SNS.load_dataset ('dicas')
SNS.barplot (x = 'dia', y = 'total_bill', hue = 'sexo', dados = dicas,
paleta = 'magma', edgecolor = 'w')
pontas.Grupo (['dia', 'sexo']).significar()
plt.mostrar()
No início do programa, importamos Numpy como NP, pandas como PD, Matplotlib.Pyplot como PLT e Seaborn como SNS. Essas bibliotecas fornecem as metodologias para desenhar gráficos. Agora, aplicamos a função context () da biblioteca marítima. Esta função fornece o valor do parâmetro com base no contexto. Agora usamos o método da função load_dataset () para adquirir o quadro de dados “Dicas.”Este quadro de dados está relacionado ao arquivo de cabeçalho do SeaBorn. O Barplot é desenhado com a ajuda do método barplot () da biblioteca marítima. Esta função possui parâmetros diferentes, incluindo o eixo x, eixo y, matiz, dados, paleta e cor de borda.
Ajustamos o valor do eixo x ao "dia", o valor do eixo y como "total_bill", o valor de Hue como "sexo", o valor da cor da paleta como "magma" e a cor das bordas como “w.Também agrupamos os dados do gráfico de barra usando o parâmetro "dia" e "sexo.”Em seguida, a função significa () está sendo usada. Esta função é aplicada para determinar a média da lista fornecida de valores diferentes. Podemos obter a média do quadro de dados que é dado como argumentos. Para visualizar o enredo da barra, aplicamos a função show ().
O código acima mencionado é executado com sucesso. O eixo x da trama mostra os nomes de quatro dias da semana, e o eixo y mostra o valor da fatura total.
Conclusão
Com a ajuda de várias instâncias, este artigo demonstra os métodos de criação de um Barlot em Python utilizando Seaborn. O vínculo entre um parâmetro quantitativo e um categórico é ilustrado por um Barlot de barra. Cada entidade de dados categórica é retratada usando um bar. O valor numeral é expresso pela dimensão da barra. Podemos personalizar a cor do Barlot. Nós desenhamos o Barplot usando o método Barplot ().