Conspiraciones múltiples marítimas

En este tutorial de indicios de Linux, pasaremos por cómo dibujar múltiples parcelas en el marco marítimo. Este es un enfoque viable para crear muchas versiones del gráfico idéntico utilizando varios conjuntos de datos. Permite a un usuario recuperar una gran cantidad de datos de un conjunto complicado en poco tiempo. Utilizaremos el método FacetGrid () en Seaborn para dibujar varias representaciones gráficas en una sola interfaz. FacetGrid es un método para crear matrices que dependen de un método. Ayuda en la representación de la dispersión de un factor específico y la correlación entre varios parámetros. Su objeto toma como argumento un conjunto de datos y los valores de los parámetros para determinar los aspectos de tinte, la fila y la columna de la cuadrícula.

Ejemplo 1

Utilizaremos los datos, que se proporcionan como un marco de datos integrado en el paquete marino, para configurar los gráficos y dimensiones, pero eso no mostraría nada más en estos gráficos. La funcionalidad básica es prácticamente idéntica a la de FacetGrid. Primero creamos la cuadrícula y proporcionamos la funcionalidad Crear a un método de visualización, que se ejecuta para cada subtrama. El código se adjunta aquí, y se implementó en Windows CMD instalando Python y bibliotecas relacionadas.

Importar Sevorn como SNS
importar numpy como np
importar pandas como PD
Importar matplotlib.Pyplot como PLT
consejos = SNS.load_dataSet ("consejos")
G = SNS.Facetgrid (consejos, col = "tiempo")
PLT.espectáculo()

Al comienzo del código, hemos importado algunas bibliotecas requeridas marinos como SNS, Numpy como NP, Pandas como PD y matplotlib.Pyplot como PLT. Ahora queremos recuperar el marco de datos, por lo que hemos utilizado el método load_dataSet (). Y hemos dado consejos como argumento para esta función. Para representar múltiples gráficas simples, hemos estado llamando al método FaceGrid (). Hemos proporcionado consejos y col. Al final, tuvimos que mostrar la trama, por lo que utilizamos el método show ().

Facetgrid marítimo

Ejemplo 2

En esta situación, dibujaremos la gráfica de dispersión utilizando el método scatterplot (). Podemos usar el módulo FacetGrid () para crear numerosos gráficos. Muestra cada campo de un conjunto de datos al conjunto de números de la matriz, mostrando varias dimensiones. Para los atributos ordinales, podemos utilizar el atributo de tono, con cada tono que indica una categoría separada. El código se adjunta aquí, y se implementó en Windows CMD instalando Python y bibliotecas relacionadas.

Importar Sevorn como SNS
importar numpy como np
importar pandas como PD
Importar matplotlib.Pyplot como PLT
consejos = SNS.load_dataSet ("consejos")
G = SNS.Facetgrid (consejos, col = "sexo", hue = "fumador")
gramo.mapa (SNS.Dispersplot, "Total_bill", "Tip", Alpha =.8)
gramo.add_legend ()
PLT.espectáculo()

Después de introducir los archivos de encabezado, Seaborn, Numpy, Pandas y Matplotlib.pyplot. Vamos a cargar el marco de datos de los consejos. Entonces se utilizará la función load_dataSet (). Esta función está relacionada con el paquete marítimo. Y hemos dado "consejos" como un atributo a esta función.

Ahora queremos dibujar varios gráficos, por lo que hemos aplicado el método FacetGrid () del módulo marítimo. Esta función contiene diferentes parámetros. Las puntas, los valores del col y el tono se dan como atributos. Queremos dibujar el gráfico de dispersión, por lo que en el siguiente paso, llamamos a la función scatterplot (). Junto con esto, también especificamos el valor de alfa como el argumento de la función scatterplot ().

Para insertar la leyenda en el gráfico, hemos ejecutado el método add_legend (). Al final, hemos empleado el método show () para representar la trama finalizada en la pantalla.

FacetGrid con tono

Ejemplo 3

Dibujaremos varias parcelas KDE en este caso con la ayuda del método kdeplot (). Los valores en el conjunto de datos se están utilizando para determinar la disposición estándar de los elementos. La secuencia de las categorías se implementa si el parámetro aplicado para crear aspectos posee un tipo categorizado.

Alternativamente, los aspectos se mostrarían de la manera en que existen los niveles de atributo. Aunque, el argumento de orden *_Order correspondiente se puede utilizar para proporcionar la indexación de cualquier componente de aspecto. El código se adjunta aquí, y se implementó en Windows CMD instalando Python y bibliotecas relacionadas.

Importar Sevorn como SNS
importar numpy como np
importar pandas como PD
Importar matplotlib.Pyplot como PLT
consejos = SNS.load_dataSet ("consejos")
ordened_days = consejos.día.value_counts ().índice
G = SNS.FacetGrid (consejos, fila = "día", row_order = ordened_days,
altura = 1.8, aspecto = 5)
gramo.mapa (SNS.kdeplot, "Total_bill")
PLT.espectáculo()

En primer lugar, integramos los archivos de encabezado SEABRE como SNS, Numpy como NP, Pandas como PD y Matplotlib.pyplot. En el siguiente paso, accederemos a un marco de datos de consejos. Como resultado, se llamaría al método load_dataSet () del marco marítimo. Y hemos asignado este método el parámetro "consejos". Hemos estado utilizando el método FacetGrid () y creando numerosos gráficos. El módulo marítimo contiene esta función.

A medida que se especifican los atributos, consejos, filas, filas, altura, altura y aspecto. Las filas de la trama muestran los días. El valor de la altura será 1.8, y el aspecto será 5. Para ilustrar la trama KDE, hemos estado llamando a la función kdeplot () del paquete marítimo. Después de eso, aplicamos la función show () para simplemente representar el gráfico.

Ejemplo 4

Vamos a dibujar varias parcelas llamando a la función Función FacetGrid (). En este escenario, queremos representar la trama de regresión, por lo que utilizaremos la función Regplot (). El constructor acepta varios parámetros para personalizar el diseño de la cuadrícula. El código se adjunta aquí, y se implementó en Windows CMD instalando Python y bibliotecas relacionadas.

Importar Sevorn como SNS
importar numpy como np
importar pandas como PD
Importar matplotlib.Pyplot como PLT
consejos = SNS.load_dataSet ("consejos")
G = SNS.FACETGRID (TIPS, ROW = "Smoker", col = "Time", Margin_titles = True)
gramo.mapa (SNS.regplot, "tamaño", "total_bill", color = ".4 ", Fit_reg = false, x_jitter =.2)
PLT.espectáculo()

Aquí vamos a incorporar las bibliotecas requeridas SEABOR, NUMPY, PANDAS, MATPLOTLIB.pyplot. Ahora tenemos que obtener el marco de datos, por lo que tenemos que emplear el método load_dataSet () del archivo de encabezado seaborn. El método facetGrid () se está utilizando para representar muchos mapas para que invocemos esta función. Especificamos el valor del nuevo atributo "margin_titles" como verdadero.

Entonces queremos dibujar las gráficas de regresión, por lo que hemos estado llamando al método Regplot (). Esta función contiene los parámetros que incluyen tamaño, total_bill, color, fit_reg y x_jitter. Los días ordenados mostrarán el índice de value_count (). La función show () del paquete Seaborn se aplicará para ilustrar la trama.

Conclusión

En este artículo, hemos explorado cómo dibujar las múltiples parcelas con la ayuda de la función facetgrid () del paquete marítimo en Python. Utilizando sus respectivas funciones, se pueden dibujar diferentes variedades de múltiples parcelas. Cuando tenemos la intención de ilustrar la dispersión de un parámetro o la asociación dentro de numerosos factores manualmente en los subconjuntos de los datos originales, el módulo FacetGrid es muy útil.