Une histoire que Seaborn était facile, pratique et impressionnée

Seaborn

J'ai été impressionné par le fait que même un graphique qui est un peu difficile à dessiner avec matplotlib peut être dessiné relativement facilement avec seaborn.

スクリーンショット 2020-03-19 20.20.03.png

Si vous essayez de dessiner ceci avec matplotlib, cela ressemblera à ceci. C'est peut-être faux car c'est super approprié,

import itertools
fig, axes = plt.subplots(2, 3)
col_f = 'Pclass'
col_f_domain = [1, 2, 3]
row_f = 'Sex'
row_f_domain = ['male', 'female']
for i, (r, c) in enumerate(itertools.product(row_f_domain, row_f_domain)):
    row_i = i // 3
    col_i = i % 3
    ax = axes[row_i][col_i]
    # (Ce qui suit est omis)

Oh ouais, ne tourne pas la boucle for. Ceci est une ligne pour seaborn ...

sns.relplot(x='Age', y='Fare', hue='Survived', col='Pclass', row='Sex', data=train_data)

finalement

Lors de l'exécution d'EDA (Exploratory Data Analysis), de nombreux graphiques sont dessinés tout en modifiant la quantité et le niveau de caractéristiques à comparer, il existe donc un outil qui peut rapidement appliquer des tracés aussi complexes. C'est pratique. D'autre part, matplotlib est capable de gérer les démangeaisons qui ne peuvent pas être atteintes avec de tels outils de haut niveau. Je pense que je devrais utiliser matplotlib pour dessiner des graphiques que Seaborn ne peut pas dessiner.

Recommended Posts

Une histoire que Seaborn était facile, pratique et impressionnée
Une histoire à laquelle j'étais accro chez np.where
Une histoire qui était terrible si SELinux était correctement désactivé
Une histoire qui était pratique lorsque j'ai essayé d'utiliser le module d'adresse IP python
Une histoire qui a cessé de fonctionner sur mglearn.plots.plot_nmf_faces et qui se demandait s'il s'agissait d'une erreur?
Une histoire qui facilite l'estimation de la surface habitable à l'aide d'Elasticsearch et de Python
Une histoire à laquelle j'étais accro à appeler Lambda depuis AWS Lambda.
Une histoire qui avait du mal à traiter en boucle 3 millions de données d'identification
L'histoire selon laquelle l'API asynchrone qui combinait API Gateway et Step Functions était la plus forte
Une histoire reliant Slack et la feuille de calcul Google
Histoire de trébucher sur l'installation de matplotlib
Une histoire qui a trébuché sur un calcul de comparaison
Une histoire sur Python pop and append
L'histoire que XGBoost a finalement été installé
L'histoire de la fabrication d'une boîte qui interconnecte la mémoire AL de Pepper et MQTT
Une histoire à laquelle j'étais accro après la communication SFTP avec python
Une histoire dont j'ai été très convaincu lorsque j'ai écrit le code du problème Monty Hall et calculé le taux de gain
Un joli nimporter qui connecte nim et python
Une histoire accro aux variables globales et à la portée de Go
python memo- "sinon A et B" était "si (pas A) et B"
Une histoire sur la modification de Python et l'ajout de fonctions
Une histoire sur une erreur lorsque PyInstaller est utilisé dans un programme qui utilise googleapiclient