Bases de Seaborn pour les débutants ③ Diagramme de dispersion (jointplot) * Avec histogramme

Qu'est-ce que Seaborn

Une bibliothèque pour dessiner des graphiques Python. .. Positionné comme une fonction wrapper (programme inclus) de matplotlib, qui est la libra la plus connue. En plus de pouvoir facilement dessiner de beaux graphiques, il dispose également d'un certain nombre de fonctions telles que le traitement par lots. Matplotlib est destiné aux spécifications et aux dessins détaillés, et seaborn est conçu pour être facile et beau.

Diagramme de dispersion (jointplot)

Le thème cette fois est une carte à dispersion. Utilisez jointplot pour créer un diagramme de dispersion. Dans le nuage de points Seaborn, l'histogramme est affiché en même temps que le nuage de points. C'est également pratique pour saisir les données, cela y ressemble et c'est assez bon.

Préparation

Tout d'abord, installez la bibliothèque seaborn avec pip. Pour pip?, Cliquez ici ('https://qiita.com/Yanagawa_Yoshihisa/items/35e6f70a8411277282ce').

Importez la bibliothèque. Nommez seaborn`` sns et ʻimport`.

python

import seaborn as sns

J'essaierai l'exemple avec les données Titanic. Si vous ne connaissez pas Titanic, veuillez cocher "kaggle Titanic". Créez une trame de données avec des pandas.

python

dataframe = pd.read_csv('train.csv')

Création de base

Utilisez .jointplot pour créer un diagramme de dispersion. Fondamentalement, les éléments à définir sont l'élément de l'axe X, l'élément de l'axe Y et les données d'origine. Prenons un exemple de graphique qui affiche l'âge sur l'axe X et le tarif sur l'axe Y. Comme le montre la figure, le fait est qu'il a un histogramme.

python

sns.jointplot('Age', 'Fare', data=dataframe)

Comme vous pouvez le voir en le recherchant, il existe différentes options. Si vous spécifiez `` hex '' pour kind, le diagramme de dispersion sera sur la tuile et sera à la mode. Il est recommandé car il a l'air bien. (Il est difficile de transmettre les données d'origine car elles ne sont pas assez bonnes.)

python

sns.jointplot('Age', 'Fare', data=dataframe, kind = 'hex')

C'est une syntaxe très simple, mais elle est recommandée pour ceux qui ne la connaissent pas car elle y ressemble et donne l'impression de le faire.

finalement

Comme un débutant peut le comprendre, nous avons résumé les connaissances nécessaires lors de la mise en œuvre de l'apprentissage automatique avec Python dans un simple article. La table des matières est ici, donc j'espère que vous pourrez également vous référer à d'autres articles.