У овом чланку ћемо разговарати о томе како можемо створити а цоунтплот користећи сеаборн библиотеку и како се различити параметри могу користити за закључак о резултатима из карактеристика нашег скупа података.
Сеаборн библиотека
Сеаборн библиотека се широко користи међу аналитичарима података, а галаксија дијаграма које садржи пружа најбољу могућу репрезентацију наших података.
Морска библиотека се може увести у наше радно окружење користећи -
import seaborn as sns
Хајде да сада продискутујемо зашто користимо цоунтплот и какав је значај његових параметара.
Цоунтплот
Графикон бројања се користи за представљање појављивања(броја) запажања присутних у категоричкој променљивој.
Користи концепт тракастог графикона за визуелни приказ.
Параметри-
Следећи параметри су специфицирани када креирамо графикон бројања, да добијемо кратку представу о њима-
Сада да видимо који су различити начини представљања наших атрибута.
У првом примеру, направићемо графикон бројања за једну променљиву. Узели смо 'савете' скупа података за имплементацију истог.
1. Вредност се рачуна за једну променљиву
Пример -
мавен инсталл
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()
Излаз:
У следећем примеру, користићемо параметар нијанси и креирати графикон бројања.
Следећи програм илуструје исто-
2. Представљање две категоричке варијабле помоћу параметра нијансе
Пример -
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()
Излаз:
У следећем примеру ћемо размотрити и осу и креирати хоризонтални дијаграм бројања.
Следећи програм илуструје исто-
3. Креирање хоризонталних дијаграма
Пример -
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()
Излаз:
цамелцасе питхон
Хајде сада да погледамо како палете боја могу побољшати презентацију наших података.
У следећем примеру користићемо параметар 'палета'.
Следећи програм илуструје исто-
4. Коришћење палета боја
Улазни-
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()
Излаз:
У следећем примеру користићемо боју параметра и да видимо како она функционише?
Следећи програм илуструје исто-
5. Коришћење параметра 'цолор'
Пример -
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()
Излаз:
Сада ћемо користити параметар 'сатуратион' и видети како то утиче на представљање наших података.
Следећи програм илуструје исто-
6. Коришћење параметра 'сатуратион'
Пример -
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()
Излаз:
И на крају у последњем примеру користићемо параметре Ширина линије и едгецолор.
Пример -
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()
Излаз: