Pelarra

“Seaborn es un paquete de análisis visual basado en Matplotlib. También tiene una interfaz de usuario interactiva de alto nivel y imágenes analíticas visualmente atractivas e instructivas. Un gráfico bien diseñado sería simplemente distintivo. Los tonos estallan, las texturas se fusionan de manera efectiva, las formas fluyen sin problemas y el paquete total no solo se ve muy bien, sino que también nos proporciona información valiosa.

Con el grosor de cada píxel, una gráfica de barra muestra una indicación de la distribución normal para una secuencia de valores y ofrece una medida considerable de la variabilidad alrededor de una cierta figura que utiliza barras de error. Cada vez que 0 es un número relevante para el parámetro numérico, pero queremos comparar las cosas contra eso también, los gráficos de barras son una buena estrategia.

Una gráfica de puntos nos permite enfatizar las variaciones dentro de los valores de una sola o múltiples variables cuantitativas en los marcos de datos cuando 0 no sería un valor notable. Sin embargo, es crucial recordar que una gráfica de barra simplemente muestra el valor promedio, mientras que en muchas circunstancias, ilustrar el rango de datos en cada punto de las variables cuantitativas será más instructivo."

Usar el método Barplot ()

Un gráfico de barras es un gráfico que se está utilizando para integrar puntos de datos utilizando varios métodos; la media siempre ha sido el valor predeterminado. También podría verse como una representación visual colectiva a través de la operación. Encontramos una fila categorizada adecuada para el eje X y una fila cuantitativa para que el eje Y aplique este gráfico, y observamos que proporciona un gráfico con una media perdinal. En este caso, hemos utilizado la función Barplot () para dibujar el gráfico de la barra.

Importar Sevorn como SNS
Importar matplotlib.Pyplot como PLT
DF = SNS.load_dataSet ('Titanic')
SNS.Barplot (x = 'quién',
y = 'tarifa',
datos = df)
PLT.espectáculo()

En primer lugar, hemos introducido los archivos de encabezado requeridos. El archivo de encabezado Seaborn se importará como SNS y Matplotlib.Pyplot se introducirá como PLT. SeaBorn Library proporciona una mejor interfaz utilizada para dibujar parcelas estadísticas convincentes. A continuación, hemos cargado el marco de datos que se emplea para gráficos. La Biblioteca Seaborn tiene este conjunto de datos. Declaramos una variable "DF" para almacenar este conjunto de datos.

Ahora tenemos que dibujar una plancha, por lo que hemos estado utilizando el método Barplot () de la Biblioteca SeaBorn. Se nos proporciona el eje x, el eje y y el conjunto de datos como argumentos a la función Barplot (). Al final, para representar la trama, hemos utilizado el método show ().

El eje x del gráfico está etiquetado por el término "quién", y el eje Y está etiquetado por "tarifa."

Personalizado el color

Podemos personalizar el color de la placa de barras utilizando el parámetro de la paleta. Establecemos el valor del color con la ayuda de este argumento. La función Barplot () contiene el parámetro de la paleta.

Importar Sevorn como SNS
Importar matplotlib.Pyplot como PLT
DF = SNS.load_dataSet ('Titanic')
SNS.Barplot (x = 'quién',
y = 'tarifa',
Hue = 'Clase',
Datos = DF,
paleta = "magma")
PLT.espectáculo()

Integraremos dos bibliotecas en las líneas de inicio del código. El archivo de encabezado Seaborn se incorporará como SNS y Matplotlib.Pyplot se integrará como PLT. El módulo Seaborn contiene diferentes metodologías que ofrecen una interfaz más fácil de usar para definir una alta visualización estadística.

Después de eso, recuperamos el conjunto de datos Titanic. Este marco de datos está disponible en el archivo de encabezado marino. Creamos una variable llamada "DF" para mantener estos datos. Ahora necesitamos dibujar una placa; Por lo tanto, hemos aplicado el archivo de encabezado de función Barplot (). Los parámetros a la función Barplot () son el eje x, el eje y, el conjunto de datos, el tono y la paleta (). Tanto los valores del eje X e Y se proporcionan aquí. También seleccionamos los tonos de paleta. Finalmente, utilizamos el método show () para ilustrar la trama.

En esta salida, el color de las paletas es magma, como se muestra en la figura a continuación.

Consejos de la pelota de barras

El marco de datos de las puntas se usa en el gráfico de puntas de placa de barras, como se muestra a continuación. Muestra la cantidad total de puntas obtenidas por género. Emplea la paleta de magma que incluye varios tonos de magma.

importar numpy como np
importar pandas como PD
Importar matplotlib.Pyplot como PLT
Importar Sevorn como SNS
SNS.set_context ('papel')
consejos = SNS.load_dataSet ('consejos')
SNS.Barplot (x = 'day', y = 'Total_bill', Hue = 'Sex', data = consejos,
paleta = 'magma', edgecolor = 'w')
consejos.Groupby (['día', 'sexo']).significar()
PLT.espectáculo()

Al comienzo del programa, hemos importado Numpy como NP, Pandas como PD, matplotlib.pyplot como plt y seaborn como SNS. Estas bibliotecas proporcionan las metodologías para dibujar gráficos. Ahora, hemos aplicado la función context () de la biblioteca marítima. Esta función proporciona el valor del parámetro basado en el contexto. Ahora hemos utilizado la función load_dataSet () método para adquirir datos de datos "consejos."Este marco de datos está relacionado con el archivo de encabezado SeaBorn. El Barplot se dibuja con la ayuda del método Barplot () de la Biblioteca SeaBorn. Esta función tiene diferentes parámetros, incluidos el eje X, el eje y, el tono, los datos, la paleta y el color de borde.

Hemos ajustado el valor del eje x al "día", el valor del eje y como "total_bill", el valor del tono como "sexo", el valor del color de la paleta como "magma" el color de los bordes como "w."También agrupamos los datos de la gráfica de barras utilizando el parámetro" Día "y" Sexo."A continuación, la función significa () se está utilizando. Esta función se aplica para determinar el promedio de la lista proporcionada de diferentes valores. Podemos obtener el promedio del marco de datos que se proporciona como argumentos. Para visualizar la gráfica de barra, hemos aplicado la función show ().

El código mencionado anteriormente se ejecuta con éxito. El eje X de la trama muestra los nombres de cuatro días de semana, y el eje Y muestra el valor de la factura total.

Conclusión

Con la ayuda de varios casos, este artículo demuestra los métodos para crear una placa en Python utilizando Seaborn. El vínculo entre un parámetro cuantitativo y un parámetro categórico se ilustra mediante una placa de barro. Cada entidad de datos categóricos se representa utilizando una barra. El valor numérico se expresa por la dimensión de la barra. Podemos personalizar el color de la placa. Hemos dibujado la placa de barras utilizando el método Barplot ().