Plan de línea marítimo

Seborn es una biblioteca de análisis visual basada en Matplotlib. Tiene un marco de alto nivel para definir gráficos analíticos visualmente atractivos. Matplotlib es la base de Seaborn. El módulo Seaborn nos permite crear linelotes detallados. Las imágenes se ajustarán aún más con las funciones de matplotlib antes de mostrarse para cualquiera de los módulos matplotlib para proporcionar gráficos de calidad.

SeaBorn ofrece una mejor interfaz que Matplotlib. Por lo tanto, permitiendo a los usuarios simplificar muchas de las modificaciones. Algunas operaciones que de otro modo serían necesarias para crear gráficos matplotlib como sensibles. También funciona bien con los tipos de datos de Pandas, lo que hace que los datos prioricen y visualizaran simples. También contiene varios gráficos que tienen parámetros útiles y un diseño atractivo.

Cree un diagrama de línea que permita múltiples categorías semánticas. La paleta, el tamaño y los atributos de diseño se utilizarán para mostrar la correlación entre las variables para conjuntos de datos específicos. Varios atributos determinan qué semántica gráfica se han utilizado para distinguir las diversas categorías. Al usar esas variedades semánticas, es posible representar los elementos por separado. Sin embargo, esta forma de la trama podría ser difícil de comprender y generalmente es ineficiente.

Pero puede ser preferible producir imágenes más utilizables y proporcionar múltiples semánticas (como tinte como diseño para un elemento casi similar). Dibujemos gráficos de línea utilizando diferentes metodologías.

Usar la función LinePlot ()

En este caso, hemos empleado el método LinePlot () para crear una gráfica de línea. La biblioteca marítima contiene la función lineplot (). Vamos a usar datos aleatorios para dibujar el gráfico de línea:

importar pandas como PD
Importar Sevorn como SNS
Importar matplotlib.Pyplot como PLT
Año = [2011, 2013, 2015, 2017, 2019, 2021, 2022]
Ganancias = [90, 85.8, 60, 55, 77.5, 29, 45.6]
data_plot = PD.DataFrame ("año": año, "Beneficio": Beneficio)
SNS.linePlot (x = "año", y = "beneficio", data = data_plot)
PLT.espectáculo()

Al comienzo del programa, tenemos que integrar algunas bibliotecas. Los pandas de la biblioteca se integrarán como 'PD', Sevorn se integrará como 'SNS' y Matplotlib.Pyplot se integrará como 'PLT'. Pandas es uno de los paquetes incorporados destinados a hacer que sea simple e instintivo operar con datos lineales o categorizados. Incluye algunos modelos de datos y métodos para trabajar con información estadística y datos lineales generalizados. Seborn es un módulo de Python para crear imágenes numéricas. Se basa en matplotlib y se correlaciona efectivamente con la biblioteca de pandas.

La biblioteca SeaBorn ayuda a los usuarios a acceder y evaluar los datos. Entre los módulos más utilizados para el análisis de datos está Matplotlib. Esta biblioteca será un paquete multiplataforma que crea dos gráficos dimensionales utilizando una gama de datos. Incluye una interfaz para integrar gráficos en el marco gráfico de Python basado en aplicaciones.

En la siguiente línea, hemos inicializado una variable llamada 'año' y asignamos algunos años aleatorios a partir de 2011 y terminando en 2022. Luego, especificamos el conjunto de datos de ganancias y definimos los valores. Hemos utilizado la función de cuadro de datos (). Para obtener una breve descripción general del nuevo conjunto de datos, emplee el método DataFrame () del paquete de pandas. Es especialmente útil para ejecutar la evaluación de datos exploratorios. Utilizamos el método DataFrame () para acceder a una visión dinámica de los datos originales. Esta función contiene las variables 'año' y 'beneficio' como sus parámetros. Estos datos se almacenan en la variable 'data_plot'.

Ahora, dibuja la trama de la línea. Entonces, lo hemos aplicado al método LinePlot () de la Biblioteca SeaBorn. Aquí. Hemos proporcionado las etiquetas de los ejes X e Y. El eje x se etiquetará como 'año' y el eje Y se etiquetará como 'beneficio'. Al final, ilustramos la gráfica de línea para que el método show () se esté utilizando.

La correlación proporcional entre los dos elementos diferentes del conjunto de datos se muestra en el gráfico anterior.

Utilice el marco de datos 'Iris'

Aquí, hemos invocado la función LinePlot () para ilustrar el marco de datos de la flor de iris:

Importar Sevorn como SNS
Importar matplotlib.Pyplot como PLT
datos = SNS.load_dataset ("iris")
SNS.linePlot (x = "sepal_length", y = "sepal_width", data = data)
PLT.espectáculo()

Después de introducir los archivos de encabezado requeridos, Seaborn y Matplotlib.Pyplot, vamos a cargar el marco de datos de Iris Blossom. Entonces, se utilizará la función load_dataSet (). Esta función está relacionada con el paquete marítimo. Hemos dado 'iris' como un atributo a esta función. Ahora, dibujamos la gráfica de línea específica que hemos aplicado al método LinePlot (). Esta función contiene diferentes parámetros.

La longitud y el ancho de los sépalos se dan como atributos. El eje x de la trama muestra la longitud del sepal, mientras que el eje y muestra el ancho del sepal. Después de todo esto, hemos empleado el método show () para mostrar solo la gráfica de línea en la pantalla.

Use el parámetro 'Hue' de la función LinePlot ()

El argumento 'HUE' podría aplicarse para clasificar los múltiples parámetros del marco de datos y puede usarse para demostrar la correlación entre los campos de datos de ambos ejes cuando los datos se especifican como un parámetro para la función.

Importar Sevorn como SNS
Importar matplotlib.Pyplot como PLT
datos = SNS.load_dataSet ("consejos")
SNS.linePlot (x = "total_bill", y = "tamaño",
Hue = "Sexo",,
datos = datos)
PLT.espectáculo()

Primero, importamos los archivos de encabezado Seaborn y Matplotlib.pyplot. Vamos a acceder a un marco de datos de consejos. Como resultado, se llamaría al método de DataSet () de carga de carga. Hemos asignado el método del parámetro 'Consejos'. Hemos estado utilizando el método LinePlot () para construir una gráfica de línea particular. Este método tiene un conjunto de parámetros. Se especifican los atributos, la factura total, el tamaño, el tono y el estilo. La factura total se traza sobre el eje x, mientras que el tamaño se traza en el eje Y.

Hemos establecido el valor de 'Hue' en 'Sex' y el estilo de 'Sex'. Después de eso, aplicamos la función show () para simplemente presentar la gráfica de línea en el terminal.

Conclusión

En este artículo, hemos explorado cómo dibujar los gráficos de línea utilizando la función LinePlot () del módulo marítimo en Python. También hemos creado los gráficos de línea con la ayuda de varios ejemplos y al pasar diferentes parámetros a esta función. Se pueden dibujar varias líneas para mostrar los datos en ubicaciones o gráficos idénticos. Podemos representar la interacción entre varias filas de datos o elementos de datos mediante el uso de conjuntos de datos o parámetros de datos similares o variados. Para dibujar gradientes de color para numerosos conjuntos de datos, hemos estado utilizando el argumento 'Hue'.