PLOT DE SWORMEBRAÇÃO SEABORN

O enredo do enxame é idêntico ao enredo da tira, exceto que as bordas são modificadas de tal maneira que elas não se cruzam, o que ajuda a ilustrar efetivamente a visualização dos dados. Um gráfico de enxame é criado sozinho. Mas é preferido utilizá -lo em conjunto com uma caixa, já que os títulos correspondentes são usados ​​para rotular as dimensões. Vamos desenhar os mapas de enxames com a ajuda da função SwarmPlot ().

Exemplo não.1:

Aqui, criamos um gráfico de probabilidade categorizado com pontos que não se sobrepõem. Então, utilizamos o método SwarmPlot () para fazer um gráfico contendo os valores discretos.

No início do código, integramos os pacotes pandas como PD, matplotlib.Pyplot como PLT e Seaborn como SNS. Em seguida, especificamos o conjunto de dados com a ajuda do método DataFrame (). Esta função está associada ao módulo pandas. Criamos quatro matrizes diferentes. A primeira matriz contém a quantidade dos produtos que foram esgotados. A segunda matriz mostra as taxas dos produtos. A terceira matriz detém o recorde dos meses. A última matriz tem dados sobre os nomes dos produtos.

Na próxima etapa, queremos desenhar o gráfico de enxames, então chamamos a função SwarmPlot (). No final, empregamos a função Show () do Matplotlib.Biblioteca Pyplot.

Exemplo não.2:

Utilizamos o argumento do tom dentro do método SwarmPlot () e dividimos os segmentos para os múltiplos produtos neste caso. Ao especificar o valor do parâmetro "Dodge" para true, segregamos os itens. Também podemos passar alguns parâmetros adicionais usando o método swarmPlot (). O parâmetro de tamanho é usado para ajustar o "tamanho" dos elementos.

Com a ajuda do atributo "paleta", mudamos o esquema de cores para grupos distintos. A opção "Linha de largura" fornece um limite à largura definida de pontos. Vamos aplicar todos os parâmetros anteriormente no código.

Primeiro de tudo, integramos os arquivos de cabeçalho necessários. A biblioteca de pandas é integrada como PD, matplotlib.O pyplot é integrado como PLT, e o SeaBorn é integrado como SNS. A função DataFrame () é usada para fornecer o conjunto de dados. O pacote de pandas está vinculado a este método. Fazemos quatro matrizes únicas. O número de itens esgotados é representado na primeira matriz. O preço das commodities é exibido na segunda matriz. Os dados dos meses são mantidos na terceira matriz. Os títulos da mercadoria são armazenados na última matriz.

Agora, a figura do enxame é desenhada, assim utilizamos o método SwarmPlot (). O conjunto de dados, rótulos do eixo x e y, matiz, esquiva, largura de linha, paleta e tamanho são todos argumentos para este método. O valor do "tom" é o produto. A "largura de linha" é 3.5. A "paleta" é set2. E o "tamanho" é 14. Terminamos o código ilustrando o gráfico resultante, por isso aplicamos o método show ().

Exemplo não.3:

Toda dimensão do parâmetro "Hue" é representada por uma área designada no plano de categoria estatística. Configuramos o "Dodge" para o verdadeiro, enquanto empregamos o parâmetro "Hue" e isola os itens para várias variações de matiz. O parâmetro "paleta" é usado para representar os vários tons do atributo Hue.

Depois de incluir o Seaborn e Matplotlib.Bibliotecas de Pyplot, chamamos a função set () do pacote marítimo. Passamos o estilo como parâmetro para esta função. Damos o valor "WhiteGrid" para o parâmetro de estilo. Ele mostra a cor do pano de fundo do gráfico.

Agora, obtemos o quadro de dados interno, por isso usamos a função load_dataset (). Esta função é retirada do arquivo de cabeçalho do SeaBorn e contém as "dicas" como seu argumento. Em seguida, utilizamos o método SwarmPlot () para criar o gráfico de enxame. Aqui, especificamos o título de ambos os eixos, o valor de matiz, dados, paleta e esquiva como os parâmetros da função. O eixo x exibe o registro dos dias, enquanto o eixo y mostra o registro do total_bill. Para representar o gráfico final, chamamos o método show (). O matplotlib.O módulo PyPlot contém essa funcionalidade.

Exemplo não.4:

Com a ajuda do atributo "marcador", bem como o argumento "alfa", desenhamos os pontos enormes e os estilos diversos. Empregamos o atributo "alfa" para controlar a visibilidade do valor dos dados. E aplique o argumento "marcador" para o indicador modificar o conjunto de dados.

Aqui, apresentamos o Seaborn e Matplotlib.PyPlot Frameworks. O método set () do componente marítimo é usado. O estilo é fornecido como um argumento para este método. Fornecemos a variável de estilo com o valor "WhiteGrid". Ele exibe a aparência visual do gráfico.

Pretendemos obter o quadro de dados interno, por isso chamamos o método de carga de carga (). Este método é obtido do modelo SeaBorn e possui o parâmetro "Dicas". A figura do enxame é então criada com a ajuda da técnica SwarmPlot (). As entradas da função são a legenda de ambos os eixos, valor de matiz, dados, paleta, tamanho do marcador, forma do marcador, Edgecolor e valor alfa.

O eixo x demonstra os dados dos dias, enquanto o eixo y indica o registro da fatura total. Os marcadores da forma '*' com o tamanho 20 são encontrados neste mapa de enxame. A função show () de matplotlib.Pyplot é usado para representar o gráfico final.

Conclusão

Discutimos as várias técnicas para plotar o enredo de enxame neste artigo. Os mapas de enxames são uma forma de gráfico de dispersão que são aplicados para exibir dados categóricos. Impede que os elementos sejam sobrepostos. Podemos utilizar o método SwarmPlot () para desenhar essas parcelas. Sempre que o quadro de amostra é enorme, não podemos usar esse tipo de gráfico.