Lotes múltiplos do SeaBorn

Neste tutorial de dica do Linux, examinaremos como desenhar várias parcelas na estrutura do SeaBorn. Esta é uma abordagem viável para criar muitas versões do gráfico idêntico usando vários conjuntos de dados. Ele permite que um usuário recupere uma grande quantidade de dados de um conjunto complicado em um curto período de tempo. Utilizaremos o método FACETGRID () em SeaBorn para desenhar várias representações gráficas em uma única interface. FacetGrid é um método para criar matrizes dependentes de um método. Ajuda na representação da dispersão de um fator específico e da correlação entre vários parâmetros. Seu objeto toma como argumento um conjunto de dados e os valores dos parâmetros para determinar os aspectos de tonalidade, linha e coluna da grade.

Exemplo 1

Usaremos os dados, que são fornecidos como um quadro de dados integrados no pacote SeaBorn, para configurar as parcelas e dimensões, mas isso não exibiria mais nada nessas parcelas. A funcionalidade básica é praticamente idêntica à de FacetGrid. Primeiro, criamos a grade e fornecemos a funcionalidade CREATE para um método de exibição, que é executado para cada subtrama. O código está anexado aqui e foi implementado no Windows CMD, instalando Python e bibliotecas relacionadas.

Importar Seaborn como SNS
importar numpy como np
importar pandas como PD
importar matplotlib.pyplot como plt
Dicas = SNS.load_dataset ("Dicas")
G = SNS.Facetgrid (dicas, col = "time")
plt.mostrar()

No início do código, importamos algumas bibliotecas necessárias marítimas como sns, numpy como np, pandas como pd e matplotlib.pyplot como plt. Agora queremos recuperar o quadro de dados, por isso utilizamos o método load_dataset (). E damos dicas como um argumento para esta função. Para representar gráficos múltiplos simples, estamos chamando o método FACEGRID (). Fornecemos dicas e Col para essa função como seus parâmetros. No final, tivemos que exibir o enredo, então utilizamos o método show ().

SeaBorn FacetGrid

Exemplo 2

Nesta situação, desenharemos o enredo de dispersão usando o método scatterplot (). Podemos usar o módulo FACETGRID () para criar inúmeros gráficos. Ele exibe todos os campos de um conjunto de dados para o conjunto de números da matriz, mostrando várias dimensões. Para atributos ordinais, podemos utilizar o atributo Hue, com cada tom indicando uma categoria separada. O código está anexado aqui e foi implementado no Windows CMD, instalando Python e bibliotecas relacionadas.

Importar Seaborn como SNS
importar numpy como np
importar pandas como PD
importar matplotlib.pyplot como plt
Dicas = SNS.load_dataset ("Dicas")
G = SNS.FacetGrid (Dicas, Col = "Sex", Hue = "Smoker")
g.mapa (SNS.Scatterplot, "Total_bill", "Tip", Alpha =.8)
g.add_legend ()
plt.mostrar()

Depois de apresentar os arquivos de cabeçalho SeaBorn, Numpy, Pandas e Matplotlib.Pyplot. Vamos carregar o quadro de dados das dicas. Portanto, a função load_dataset () será usada. Esta função está relacionada ao pacote marítimo. E damos "dicas" como um atributo a esta função.

Agora queremos desenhar vários gráficos, então aplicamos o método facetGrid () do módulo marítimo. Esta função contém parâmetros diferentes. As dicas, valores do Col e Hue são dados como atributos. Queremos desenhar o gráfico de dispersão; portanto, na próxima etapa, chamamos a função ScatterPlot (). Junto com isso, também especificamos o valor do alfa como o argumento da função ScatterPlot ().

Para inserir a lenda no gráfico, executamos o método add_legend (). No final, empregamos o método show () para representar apenas o enredo finalizado na tela.

FACETGRID COM TOME

Exemplo 3

Vamos desenhar várias parcelas KDE neste caso com a ajuda do método kdeplot (). Os valores no conjunto de dados estão sendo usados ​​para determinar o arranjo padrão dos elementos. A sequência das categorias é implantada se o parâmetro aplicado para criar aspectos possuir uma classificação categorizada.

Como alternativa, os aspectos seriam exibidos da maneira em que os níveis de atributo existem. Embora o argumento correspondente *_order possa ser usado para fornecer indexação de qualquer componente de aspecto. O código está anexado aqui e foi implementado no Windows CMD, instalando Python e bibliotecas relacionadas.

Importar Seaborn como SNS
importar numpy como np
importar pandas como PD
importar matplotlib.pyplot como plt
Dicas = SNS.load_dataset ("Dicas")
orderd_days = dicas.dia.value_counts ().índice
G = SNS.FACETGRID (Dicas, Row = "Day", Row_order = Ordered_Days,
altura = 1.8, aspecto = 5)
g.mapa (SNS.kdeplot, "total_bill")
plt.mostrar()

Primeiro de tudo, integramos os arquivos do cabeçalho SeaBorn como SNS, Numpy como NP, Pandas como PD e Matplotlib.Pyplot. Na próxima etapa, acessaremos um quadro de dados de dicas. Como resultado, o método load_dataset () da estrutura marítima seria chamado. E nós alocamos este método o parâmetro "dicas". Temos usado o método facetGrid () e criando numerosos gráficos. O módulo SeaBorn contém esta função.

Como atributos, dicas, linha, row_order, altura e aspecto são especificados. As fileiras da trama mostram os dias. O valor da altura será 1.8, e o aspecto será 5. Para ilustrar o enredo KDE, estamos chamando a função Kdeplot () do pacote marítimo. Depois disso, aplicamos a função show () para simplesmente descrever o gráfico.

Exemplo 4

Vamos desenhar várias parcelas chamando a função FACETGRID (). Nesse cenário, queremos representar o gráfico de regressão, por isso utilizaremos a função regplot (). O construtor aceita vários parâmetros para personalizar o layout da grade. O código está anexado aqui e foi implementado no Windows CMD, instalando Python e bibliotecas relacionadas.

Importar Seaborn como SNS
importar numpy como np
importar pandas como PD
importar matplotlib.pyplot como plt
Dicas = SNS.load_dataset ("Dicas")
G = SNS.FaceTGrid (Dicas, Row = "Smoker", Col = "Time", Margin_Titles = True)
g.mapa (SNS.Regplot, "tamanho", "total_bill", color = ".4 ", fit_reg = false, x_jitter =.2)
plt.mostrar()

Aqui vamos incorporar as bibliotecas necessárias Seaborn, Numpy, Pandas, Matplotlib.Pyplot. Agora temos que obter o quadro de dados, por isso precisamos empregar o método load_dataset () do arquivo de cabeçalho do SeaBorn. O método facetGrid () está sendo usado para representar muitos mapas, para que invocemos esta função. Especificamos o valor do novo atributo "margin_titles" como verdadeiro.

Então, queremos desenhar as parcelas de regressão, por isso estamos chamando o método REGPLOT (). Esta função contém os parâmetros, incluindo tamanho, total_bill, cor, fit_reg e x_jitter. Os dias ordenados mostrarão o índice de value_count (). A função show () do pacote SeaBorn será aplicada para ilustrar o enredo.

Conclusão

Neste artigo, exploramos como desenhar as múltiplas parcelas com a ajuda da função FACETGRID () do pacote SeaBorn em Python. Utilizando suas respectivas funções, diferentes variedades de múltiplas parcelas podem ser desenhadas. Quando pretendemos ilustrar a dispersão de um parâmetro ou a associação em vários fatores manualmente em todos os subconjuntos dos dados originais, o módulo FACETGRID é muito útil.