במאמר זה, נדון כיצד נוכל ליצור א עלילת ספירה שימוש בספריית הים וכיצד ניתן להשתמש בפרמטרים השונים כדי להסיק תוצאות מהתכונות של מערך הנתונים שלנו.
ספריית ים בורן
הספרייה ילידת הים נמצאת בשימוש נרחב בקרב מנתחי נתונים, גלקסיית החלקות שהיא מכילה מספקת את הייצוג הטוב ביותר האפשרי של הנתונים שלנו.
ניתן לייבא את ספריית נולד הים לסביבת העבודה שלנו באמצעות-
import seaborn as sns
הבה נדון כעת מדוע אנו משתמשים ב-countplot ומהי המשמעות של הפרמטרים שלו.
עלילת ספירה
עלילת הספירה משמשת לייצג את ההתרחשות (ספירות) של התצפית הקיימת במשתנה הקטגורי.
הוא משתמש בקונספט של תרשים עמודות עבור התיאור החזותי.
פרמטרים-
הפרמטרים הבאים מצוינים כאשר אנו יוצרים עלילת ספירה, תן לנו לקבל מושג קצר עליהם-
סנכרון חוט
כעת הבה נראה מהן הדרכים השונות לייצוג התכונות שלנו.
בדוגמה הראשונה, ניצור ספירה למשתנה בודד. לקחנו את 'טיפים' של מערך הנתונים כדי ליישם את אותו הדבר.
1. ערך סופר עבור משתנה בודד
דוגמא -
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()
תְפוּקָה:
מחרוזת java לבוליאנית
בדוגמה הבאה, נשתמש בפרמטר ה-hue וניצור ספירה.
התוכנית הבאה ממחישה את אותו הדבר-
2. ייצוג שני משתנים קטגוריים באמצעות פרמטר גוון
דוגמא -
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()
תְפוּקָה:
בדוגמה הבאה, נשקול את ציר ה-y וניצור ספירה אופקית.
התוכנית הבאה ממחישה את אותו הדבר-
3. יצירת עלילות אופקיות
דוגמא -
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()
תְפוּקָה:
הבה נבחן כעת כיצד לוחות צבעים יכולים לשפר את הצגת הנתונים שלנו.
בדוגמה הבאה, נשתמש בפרמטר 'פלטה'.
הערת javascript
התוכנית הבאה ממחישה את אותו הדבר-
4. שימוש בפלטות צבעים
קֶלֶט-
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()
תְפוּקָה:
בדוגמה הבאה, נשתמש בפרמטר צבע ונראה איך זה עובד?
התוכנית הבאה ממחישה את אותו הדבר-
5. שימוש בפרמטר 'צבע'
דוגמא -
ארוחת ערב לעומת ארוחת ערב
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()
תְפוּקָה:
כעת נשתמש בפרמטר 'רוויה' ונראה כיצד הוא משפיע על ייצוג הנתונים שלנו.
התוכנית הבאה ממחישה את אותו הדבר-
6. שימוש בפרמטר 'רוויה'
דוגמא -
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()
תְפוּקָה:
ולבסוף בדוגמה האחרונה נשתמש בפרמטרים רוחב קו ו צבע קצה.
דוגמא -
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()
תְפוּקָה: