Seaborn - Ô phân loại nhiều bảng

Dữ liệu phân loại chúng ta có thể trực quan hóa bằng hai biểu đồ, bạn có thể sử dụng các hàm pointplot()hoặc chức năng cấp cao hơn factorplot().

Factorplot

Factorplot vẽ một âm mưu phân loại trên FacetGrid. Sử dụng tham số 'kind', chúng ta có thể chọn âm mưu như boxplot, violinplot, barplot và stripplot. FacetGrid sử dụng pointplot theo mặc định.

Thí dụ

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('exercise')
sb.factorplot(x = "time", y = pulse", hue = "kind",data = df);
plt.show()

Đầu ra

Chúng ta có thể sử dụng các biểu đồ khác nhau để trực quan hóa cùng một dữ liệu bằng cách sử dụng kind tham số.

Thí dụ

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('exercise')
sb.factorplot(x = "time", y = "pulse", hue = "kind", kind = 'violin',data = df);
plt.show()

Đầu ra

Trong factorplot, dữ liệu được vẽ trên một lưới khía cạnh.

Facet Grid là gì?

Facet grid tạo thành một ma trận các bảng được xác định theo hàng và cột bằng cách chia các biến. Do các tấm, một mảnh đất trông giống như nhiều mảnh. Sẽ rất hữu ích khi phân tích tất cả các kết hợp theo hai biến rời rạc.

Hãy để chúng tôi hình dung định nghĩa ở trên với một ví dụ

Thí dụ

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('exercise')
sb.factorplot(x = "time", y = "pulse", hue = "kind", kind = 'violin', col = "diet", data = df);
plt.show()

Đầu ra

Lợi thế của việc sử dụng Facet là chúng ta có thể nhập một biến khác vào trong biểu đồ. Ô trên được chia thành hai ô dựa trên một biến thứ ba gọi là 'chế độ ăn uống' sử dụng tham số 'col'.

Chúng ta có thể tạo nhiều khía cạnh cột và căn chỉnh chúng với các hàng của lưới -

Thí dụ

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('titanic')
sb.factorplot("alive", col = "deck", col_wrap = 3,data = df[df.deck.notnull()],kind = "count")
plt.show()

đầu ra