Contoh pasangan Python Seaborn

Pairplot Seaborn boleh digunakan untuk memvisualisasikan hubungan multivariable dengan cepat. 1. Penggunaan asas menarik plot penyebaran setiap pasangan pembolehubah berangka, dan memaparkan pengedaran setiap pembolehubah dalam garis pepenjuru; 2. Gunakan parameter Hue untuk warna mengikut kategori dan membezakan kategori yang berbeza; 3. Gunakan parameter diag_kind untuk menetapkan carta pepenjuru kepada 'kde' atau 'hist'; 4. Gunakan parameter ketinggian dan aspek untuk menyesuaikan saiz sub-graf; 5. Pilih pembolehubah tertentu untuk melukis parameter VARS; Adalah disyorkan untuk menggunakannya apabila terdapat pembolehubah yang lebih sedikit. Jilid data yang besar boleh digabungkan dengan plot_kws untuk menetapkan alpha dan s untuk mengoptimumkan kesan paparan. Fungsi ini adalah alat yang cekap dan intuitif dalam analisis data penerokaan.

pairplot Seaborn adalah fungsi yang sangat praktikal untuk dengan cepat menggambarkan hubungan antara pelbagai pembolehubah dalam dataset. Ia plot plot berselerak (histogram atau plot ketumpatan pada pepenjuru) untuk setiap sepasang pembolehubah berangka, yang sesuai untuk analisis data penerokaan (EDA).

Berikut adalah contoh lengkap menggunakan seaborn.pairplot menggunakan dataset iris terbina dalam:

1. Contoh Pairplot Asas

 Import Seaborn sebagai SNS
import matplotlib.pyplot sebagai PLT

# Muatkan Iris Iris Iris Iris = sns.load_dataset ('iris')

# Buat Pairplot
sns.pairplot (iris)
plt.show ()

Imej ini akan menunjukkan:

• Bukan diagonal: Plot berselerak antara ciri-ciri yang berbeza (seperti sepal_length vs sepal_width)
• Diagonal: Pengedaran setiap ciri (lalai adalah histogram)

2. Warna mengikut kategori (parameter Hue)

Jika data anda mempunyai label klasifikasi, anda boleh menggunakan parameter hue untuk mewarnai perbezaan antara kategori ke lebih jelas melihat perbezaan antara kategori.

 sns.pairplot (iris, hue = 'spesies')
plt.show ()

Dengan cara ini, pelbagai jenis iris (Setosa, versicolor, Virginica) akan dipaparkan dalam warna yang berbeza untuk memudahkan pemerhatian sempadan klasifikasi.

3. Sesuaikan jenis carta pepenjuru

Anda boleh menggunakan parameter diag_kind untuk mengubah suai jenis graf pada pepenjuru, seperti menukarnya ke graf ketumpatan:

 sns.pairplot (iris, hue = 'spesies', diag_kind = 'kde')
plt.show ()

Ia juga boleh ditetapkan untuk 'hist' untuk memaparkan histogram.

4. Kawal saiz dan gaya grafik

Walaupun pairplot mengembalikan objek PairGrid , anda boleh mengubah saiz subgraph dengan height dan aspect :

 sns.pairplot (iris, hue = 'spesies', ketinggian = 2.5, aspek = 1.2)
plt.show ()

• height : ketinggian setiap subgraph
• aspect : Nisbah Aspek

5. Hanya lukis beberapa pembolehubah

Jika anda hanya mengambil berat tentang lajur tertentu, anda boleh menggunakan parameter vars untuk memilih:

 sns.pairplot (iris, 
             hue = 'spesies', 
             vars = ['sepal_length', 'sepal_width', 'petal_length'])
plt.show ()

Petua

• pairplot sesuai untuk dataset dengan beberapa ciri (seperti 3 hingga 6 pembolehubah), jika tidak, carta akan terlalu padat.
• Sekiranya jumlah data adalah besar (seperti puluhan ribu baris), plot penyebaran mungkin bertindih dengan teruk. Anda boleh mempertimbangkan untuk menambah ketelusan atau menyesuaikan parameter dengan plot_kws :

 sns.pairplot (iris, hue = 'spesies', plot_kws = {'alpha': 0.7, 's': 15})
plt.show ()

dalam:

• alpha : Ketelusan
• s : Saiz berselerak

Pada dasarnya itu sahaja. pairplot adalah alat "keluar dari kotak" yang sangat di EDA. Anda dapat melihat struktur keseluruhan dan pemisahan kelas data dalam beberapa baris kod.

Atas ialah kandungan terperinci Contoh pasangan Python Seaborn. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!