Stryg for at vise menuen

Joint-plot

Definition

Joint plot er en ret unik graf, da den kombinerer flere grafer. Det er et diagram, der viser forholdet mellem to variable sammen med deres individuelle fordelinger.

Grundlæggende har den tre elementer som standard:

Histogram øverst, som repræsenterer fordelingen af en bestemt variabel;
Histogram til højre, som repræsenterer fordelingen af en anden variabel;
Scatter plot i midten, som viser forholdet mellem disse to variable.

Her er et eksempel på et joint plot:

Data til Joint Plot

seaborn har en jointplot() funktion, som ligesom countplot() og kdeplot() har tre vigtigste parametre:

data;
x;
y.

Parametrene x og y angiver de variable, der skal plottes, hvilket svarer til histogrammerne til højre og øverst. Disse parametre kan være array-lignende objekter eller kolonnenavne, når data-parameteren er et DataFrame.


              12345678
            
import seaborn as sns
import matplotlib.pyplot as plt

# Loading the dataset with data about three different iris flowers species
iris_df = sns.load_dataset("iris")

sns.jointplot(data=iris_df, x="sepal_length", y="sepal_width")
plt.show()

Det oprindelige eksempel er blevet genskabt ved at tildele en DataFrame til parameteren data og angive kolonnenavne for x og y.

Plot i midten

En anden nyttig parameter er kind, som angiver den plottype, der vises i midten. Standardværdien er 'scatter'. Andre mulige plottyper er: 'kde', 'hist', 'hex', 'reg', 'resid'. Prøv gerne forskellige plottyper:


              12345678
            
import seaborn as sns
import matplotlib.pyplot as plt

# Loading the dataset with data about three different iris flowers species
iris_df = sns.load_dataset("iris")

sns.jointplot(data=iris_df, x="sepal_length", y="sepal_width", kind='reg')
plt.show()

Plottyper

Selvom scatter plot er det mest almindelige valg til det centrale plot, findes der flere andre muligheder:

reg: Tilføjer en lineær regressionslinje til scatter plottet, nyttig til kontrol af korrelation mellem variable;
resid: Viser residualerne fra en lineær regression;
hist: Viser et bivariat histogram for to variable;
kde: Opretter et KDE-plot;
hex: Genererer et hexbin-plot, hvor sekskantede bins erstatter individuelle punkter, og bin-farven angiver datatæthed.

Studér videre

Som sædvanligt kan du udforske flere muligheder og parametre i jointplot() dokumentationen.

Det er også værd at udforske de nævnte emner:
residplot() dokumentationen;
Eksempel på bivariat histogram;
Eksempel på hexbin-plot.

Opgave

Swipe to start coding

Brug den korrekte funktion til at oprette et joint plot.
Brug weather_df som data til plottet (første argument).
Angiv kolonnen 'Boston' som variabel for x-aksen (andet argument).
Angiv kolonnen 'Seattle' som variabel for y-aksen (tredje argument).
Indstil plottet i midten til at have en regressionslinje (sidste argument).

Løsning

Skift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder

Var alt klart?

Tak for dine kommentarer!

Sektion 5. Kapitel 5

Spørg AI

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

Joint-plot

Definition

Joint plot er en ret unik graf, da den kombinerer flere grafer. Det er et diagram, der viser forholdet mellem to variable sammen med deres individuelle fordelinger.

Grundlæggende har den tre elementer som standard:

Histogram øverst, som repræsenterer fordelingen af en bestemt variabel;
Histogram til højre, som repræsenterer fordelingen af en anden variabel;
Scatter plot i midten, som viser forholdet mellem disse to variable.

Her er et eksempel på et joint plot:

Data til Joint Plot

seaborn har en jointplot() funktion, som ligesom countplot() og kdeplot() har tre vigtigste parametre:

data;
x;
y.


              12345678
            
import seaborn as sns
import matplotlib.pyplot as plt

# Loading the dataset with data about three different iris flowers species
iris_df = sns.load_dataset("iris")

sns.jointplot(data=iris_df, x="sepal_length", y="sepal_width")
plt.show()

Det oprindelige eksempel er blevet genskabt ved at tildele en DataFrame til parameteren data og angive kolonnenavne for x og y.

Plot i midten


              12345678
            
import seaborn as sns
import matplotlib.pyplot as plt

# Loading the dataset with data about three different iris flowers species
iris_df = sns.load_dataset("iris")

sns.jointplot(data=iris_df, x="sepal_length", y="sepal_width", kind='reg')
plt.show()

Plottyper

Selvom scatter plot er det mest almindelige valg til det centrale plot, findes der flere andre muligheder:

reg: Tilføjer en lineær regressionslinje til scatter plottet, nyttig til kontrol af korrelation mellem variable;
resid: Viser residualerne fra en lineær regression;
hist: Viser et bivariat histogram for to variable;
kde: Opretter et KDE-plot;
hex: Genererer et hexbin-plot, hvor sekskantede bins erstatter individuelle punkter, og bin-farven angiver datatæthed.

Studér videre

Som sædvanligt kan du udforske flere muligheder og parametre i jointplot() dokumentationen.

Det er også værd at udforske de nævnte emner:
residplot() dokumentationen;
Eksempel på bivariat histogram;
Eksempel på hexbin-plot.

Opgave

Swipe to start coding

Brug den korrekte funktion til at oprette et joint plot.
Brug weather_df som data til plottet (første argument).
Angiv kolonnen 'Boston' som variabel for x-aksen (andet argument).
Angiv kolonnen 'Seattle' som variabel for y-aksen (tredje argument).
Indstil plottet i midten til at have en regressionslinje (sidste argument).

Løsning

Skift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder

Var alt klart?

Tak for dine kommentarer!

Sektion 5. Kapitel 5

Skift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder