U ovom ćemo članku raspravljati o tome kako možemo stvoriti a countplot korištenje knjižnice seaborn i kako se različiti parametri mogu koristiti za zaključivanje rezultata iz značajki našeg skupa podataka.
Seaborn knjižnica
Knjižnica seaborn naširoko se koristi među analitičarima podataka, galaksija dijagrama koje sadrži pruža najbolji mogući prikaz naših podataka.
Knjižnica rođena u moru može se uvesti u naše radno okruženje pomoću-
import seaborn as sns
Razmotrimo sada zašto koristimo dijagram brojanja i koji je značaj njegovih parametara.
singleton dizajn
Countplot
Grafikon brojanja koristi se za predstavljanje pojavljivanja (brojeva) opažanja prisutnog u kategoričkoj varijabli.
Za vizualni prikaz koristi koncept stupčastog grafikona.
Parametri-
Sljedeći parametri navedeni su kada stvaramo dijagram brojanja, pa ćemo dobiti kratku ideju o njima-
Pogledajmo sada koji su različiti načini predstavljanja naših atributa.
U prvom primjeru izradit ćemo dijagram brojanja za jednu varijablu. Iskoristili smo 'savjete' skupa podataka kako bismo to implementirali.
1. Vrijednost se računa za jednu varijablu
Primjer -
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'tips' df=pd.read_csv('/content/tips.csv') #plotting the graph sns.countplot(x='sex',data=df) plt.show()
Izlaz:
U sljedećem primjeru koristit ćemo parametar nijanse i izraditi dijagram brojanja.
Sljedeći program ilustrira isto-
2. Predstavljanje dviju kategoričkih varijabli pomoću parametra nijanse
Primjer -
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'tips' df=pd.read_csv('/content/tips.csv') #plotting the graph sns.countplot(x='sex',hue='smoker',data=df) plt.show()
Izlaz:
U sljedećem primjeru razmotrit ćemo y os i izraditi horizontalni dijagram brojanja.
Sljedeći program ilustrira isto-
3. Stvaranje vodoravnih nacrta
Primjer -
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'tips' df=pd.read_csv('/content/tips.csv') #plotting the graph sns.countplot(y='sex',hue='smoker',data=df) plt.show()
Izlaz:
Pogledajmo sada kako palete boja mogu poboljšati prezentaciju naših podataka.
U sljedećem primjeru koristit ćemo parametar 'paleta'.
Sljedeći program ilustrira isto-
4. Korištenje paleta boja
Ulazni-
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'tips' df=pd.read_csv('/content/tips.csv') #plotting the graph sns.countplot(x='sex', data=df, palette='Set1') plt.show()
Izlaz:
U sljedećem primjeru koristit ćemo parametar boja i da vidimo kako to radi?
Sljedeći program ilustrira isto-
5. Korištenje parametra 'boja'
Primjer -
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'train' df=pd.read_csv('/content/train.csv') #plotting the graph sns.countplot(x='Pclass',hue='Sex', data=df, color='green') plt.show()
Izlaz:
Sada ćemo koristiti parametar 'saturation' i vidjeti kako to utječe na prikaz naših podataka.
Sljedeći program ilustrira isto-
6. Korištenje parametra 'zasićenje'
Primjer -
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'train' df=pd.read_csv('/content/train.csv') #plotting the graph sns.countplot(x='Pclass',data=df, color='green', saturation=0.1) plt.show()
Izlaz:
I na kraju u posljednjem primjeru ćemo koristiti parametre širina linije i rubna boja.
Primjer -
kotačić miša ne pomiče se ispravno
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'train' df=pd.read_csv('/content/train.csv') sns.countplot(x='Sex', data=df, color='green', facecolor=(0,0,0,0), linewidth=5, edgecolor=sns.color_palette('BrBG',2)) plt.show()
Izlaz: