In questo articolo, discuteremo come possiamo creare un file countplot utilizzando la libreria Seaborn e come i diversi parametri possono essere utilizzati per dedurre risultati dalle caratteristiche del nostro set di dati.
Biblioteca Seaborn
La libreria Seaborn è ampiamente utilizzata tra gli analisti di dati, la galassia di grafici che contiene fornisce la migliore rappresentazione possibile dei nostri dati.
La libreria Seaborn può essere importata nel nostro ambiente di lavoro utilizzando-
import seaborn as sns
Parliamo ora del motivo per cui utilizziamo countplot e qual è il significato dei suoi parametri.
Countplot
Il countplot viene utilizzato per rappresentare l'occorrenza (conteggi) dell'osservazione presente nella variabile categoriale.
Utilizza il concetto di grafico a barre per la rappresentazione visiva.
parametri-
I seguenti parametri vengono specificati quando creiamo un countplot, vediamone una breve idea-
Vediamo ora quali sono i diversi modi di rappresentare i nostri attributi.
Nel primo esempio, creeremo un countplot per una singola variabile. Abbiamo seguito i 'suggerimenti' del set di dati per implementare lo stesso.
1. Il valore conta per una singola variabile
Esempio -
java mescolando a int
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()
Produzione:
Nel prossimo esempio utilizzeremo il parametro hue e creeremo un countplot.
Il seguente programma illustra lo stesso-
2. Rappresentare due variabili categoriali utilizzando il parametro tonalità
Esempio -
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()
Produzione:
Nel prossimo esempio considereremo l'asse y e creeremo un countplot orizzontale.
Il seguente programma illustra lo stesso-
3. Creazione di grafici orizzontali
Esempio -
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()
Produzione:
Diamo ora un'occhiata a come le tavolozze dei colori possono migliorare la presentazione dei nostri dati.
lancia int nella stringa java
Nel prossimo esempio utilizzeremo il parametro 'palette'.
Il seguente programma illustra lo stesso-
4. Utilizzo delle tavolozze dei colori
Ingresso-
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()
Produzione:
Nel prossimo esempio utilizzeremo il parametro color e vedremo come funziona?
Il seguente programma illustra lo stesso-
5. Utilizzo del parametro 'colore'
Esempio -
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()
Produzione:
Ora utilizzeremo il parametro 'saturazione' e vedremo come influisce sulla rappresentazione dei nostri dati.
Il seguente programma illustra lo stesso-
10 su 100
6. Utilizzo del parametro 'saturazione'
Esempio -
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()
Produzione:
E infine nell'ultimo esempio utilizzeremo i parametri larghezza della linea E colore del bordo.
Esempio -
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()
Produzione: