Joint-Plot
Joint Plot ist ein eher einzigartiges Diagramm, da es mehrere Diagrammtypen kombiniert. Es handelt sich um eine Grafik, die die Beziehung zwischen zwei Variablen sowie deren individuelle Verteilungen darstellt.
Im Wesentlichen besteht es standardmäßig aus drei Elementen:
- Histogramm oben, das die Verteilung einer bestimmten Variablen darstellt;
- Histogramm rechts, das die Verteilung einer anderen Variablen zeigt;
- Streudiagramm in der Mitte, das die Beziehung zwischen diesen beiden Variablen visualisiert.
Hier ist ein Beispiel für ein Joint Plot:
Daten für das Joint Plot
seaborn verfügt über eine Funktion jointplot(), die ähnlich wie countplot() und kdeplot() drei wichtigste Parameter besitzt:
data;x;y.
Die Parameter x und y geben die darzustellenden Variablen an, die den Histogrammen rechts und oben entsprechen. Diese Parameter können array-ähnliche Objekte oder Spaltennamen sein, wenn der Parameter data ein DataFrame ist.
12345678import 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()
Das Anfangsbeispiel wurde erstellt, indem ein DataFrame dem Parameter data zugewiesen und die Spaltennamen für x und y angegeben wurden.
Plot in der Mitte
Ein weiterer sehr nützlicher Parameter ist kind, der das Diagramm angibt, das in der Mitte angezeigt wird. Der Standardwert ist 'scatter'. Weitere mögliche Diagrammtypen sind: 'kde', 'hist', 'hex', 'reg', 'resid'. Es empfiehlt sich, mit verschiedenen Diagrammtypen zu experimentieren:
12345678import 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()
Diagrammtypen
Obwohl das Streudiagramm die gebräuchlichste Wahl für das zentrale Diagramm ist, stehen mehrere weitere Optionen zur Verfügung:
- reg: Fügt dem Streudiagramm eine lineare Regressionslinie hinzu, nützlich zur Überprüfung der Korrelation zwischen Variablen;
- resid: Zeigt die Residuen einer linearen Regression an;
- hist: Stellt ein bivariates Histogramm für zwei Variablen dar;
- kde: Erstellt ein KDE-Diagramm;
- hex: Erzeugt ein Hexbin-Diagramm, bei dem sechseckige Bins einzelne Punkte ersetzen und die Bin-Farbe die Datendichte anzeigt.
Wie üblich können weitere Optionen und Parameter in der jointplot()-Dokumentation erkundet werden.
Es empfiehlt sich außerdem, die folgenden Themen zu betrachten:
residplot()-Dokumentation;
Beispiel für ein bivariates Histogramm;
Beispiel für ein Hexbin-Diagramm.
Swipe to start coding
- Die korrekte Funktion zur Erstellung eines Joint Plots verwenden.
weather_dfals Datensatz für das Diagramm verwenden (erstes Argument).- Die Spalte
'Boston'als Variable für die x-Achse festlegen (zweites Argument). - Die Spalte
'Seattle'als Variable für die y-Achse festlegen (drittes Argument). - Das mittlere Diagramm mit einer Regressionslinie versehen (rechtes Argument).
Lösung
Danke für Ihr Feedback!
single
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
Awesome!
Completion rate improved to 3.85Joint-Plot
Swipe um das Menü anzuzeigen
Joint Plot ist ein eher einzigartiges Diagramm, da es mehrere Diagrammtypen kombiniert. Es handelt sich um eine Grafik, die die Beziehung zwischen zwei Variablen sowie deren individuelle Verteilungen darstellt.
Im Wesentlichen besteht es standardmäßig aus drei Elementen:
- Histogramm oben, das die Verteilung einer bestimmten Variablen darstellt;
- Histogramm rechts, das die Verteilung einer anderen Variablen zeigt;
- Streudiagramm in der Mitte, das die Beziehung zwischen diesen beiden Variablen visualisiert.
Hier ist ein Beispiel für ein Joint Plot:
Daten für das Joint Plot
seaborn verfügt über eine Funktion jointplot(), die ähnlich wie countplot() und kdeplot() drei wichtigste Parameter besitzt:
data;x;y.
Die Parameter x und y geben die darzustellenden Variablen an, die den Histogrammen rechts und oben entsprechen. Diese Parameter können array-ähnliche Objekte oder Spaltennamen sein, wenn der Parameter data ein DataFrame ist.
12345678import 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()
Das Anfangsbeispiel wurde erstellt, indem ein DataFrame dem Parameter data zugewiesen und die Spaltennamen für x und y angegeben wurden.
Plot in der Mitte
Ein weiterer sehr nützlicher Parameter ist kind, der das Diagramm angibt, das in der Mitte angezeigt wird. Der Standardwert ist 'scatter'. Weitere mögliche Diagrammtypen sind: 'kde', 'hist', 'hex', 'reg', 'resid'. Es empfiehlt sich, mit verschiedenen Diagrammtypen zu experimentieren:
12345678import 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()
Diagrammtypen
Obwohl das Streudiagramm die gebräuchlichste Wahl für das zentrale Diagramm ist, stehen mehrere weitere Optionen zur Verfügung:
- reg: Fügt dem Streudiagramm eine lineare Regressionslinie hinzu, nützlich zur Überprüfung der Korrelation zwischen Variablen;
- resid: Zeigt die Residuen einer linearen Regression an;
- hist: Stellt ein bivariates Histogramm für zwei Variablen dar;
- kde: Erstellt ein KDE-Diagramm;
- hex: Erzeugt ein Hexbin-Diagramm, bei dem sechseckige Bins einzelne Punkte ersetzen und die Bin-Farbe die Datendichte anzeigt.
Wie üblich können weitere Optionen und Parameter in der jointplot()-Dokumentation erkundet werden.
Es empfiehlt sich außerdem, die folgenden Themen zu betrachten:
residplot()-Dokumentation;
Beispiel für ein bivariates Histogramm;
Beispiel für ein Hexbin-Diagramm.
Swipe to start coding
- Die korrekte Funktion zur Erstellung eines Joint Plots verwenden.
weather_dfals Datensatz für das Diagramm verwenden (erstes Argument).- Die Spalte
'Boston'als Variable für die x-Achse festlegen (zweites Argument). - Die Spalte
'Seattle'als Variable für die y-Achse festlegen (drittes Argument). - Das mittlere Diagramm mit einer Regressionslinie versehen (rechtes Argument).
Lösung
Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwendenDanke für Ihr Feedback!
single
