Seaborn - Faset Grid

Orta boyutlu verileri keşfetmek için yararlı bir yaklaşım, veri kümenizin farklı alt kümelerinde aynı grafiğin birden çok örneğini çizmektir.

Bu teknik genellikle "kafes" veya "kafes" çizimi olarak adlandırılır ve "küçük katlar" fikri ile ilgilidir.

Bu özellikleri kullanmak için, verilerinizin Pandas DataFrame içinde olması gerekir.

Veri Alt Kümelerinin Küçük Katlarını Çizme

Önceki bölümde, FacetGrid sınıfının bir değişkenin dağıtımını görselleştirmeye yardımcı olduğu FacetGrid örneğini ve birden çok panel kullanarak veri kümenizin alt kümeleri içinde birden çok değişken arasındaki ilişkiyi ayrı ayrı gördük.

FacetGrid üç boyuta kadar - satır, sütun ve renk tonu ile çizilebilir. İlk ikisi, sonuçta ortaya çıkan eksen dizisi ile açık bir uyuşmaya sahiptir; ton değişkenini, farklı seviyelerin farklı renklerle çizildiği bir derinlik ekseni boyunca üçüncü bir boyut olarak düşünün.

FacetGrid nesne girdi olarak bir veri çerçevesini ve ızgaranın satır, sütun veya ton boyutlarını oluşturacak değişkenlerin adlarını alır.

Değişkenler kategorik olmalıdır ve değişkenin her seviyesindeki veriler bu eksen boyunca bir façeta için kullanılacaktır.

Misal

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('tips')
g = sb.FacetGrid(df, col = "time")
plt.show()

Çıktı

Yukarıdaki örnekte, facetgrid üzerlerine hiçbir şey çizmeyen nesne.

Bu ızgaradaki verileri görselleştirmek için ana yaklaşım, FacetGrid.map()yöntem. Histogram kullanarak bu alt kümelerin her birindeki ipuçlarının dağılımına bakalım.

Misal

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('tips')
g = sb.FacetGrid(df, col = "time")
g.map(plt.hist, "tip")
plt.show()

Çıktı

Grafik sayısı, col parametresi nedeniyle birden fazla. Önceki bölümlerimizde col parametresini tartışmıştık.

İlişkisel bir çizim yapmak için çoklu değişken isimlerini iletin.

Misal

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('tips')
g = sb.FacetGrid(df, col = "sex", hue = "smoker")
g.map(plt.scatter, "total_bill", "tip")
plt.show()

Çıktı