Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lernen Verwendung der Distributionsschnittstelle | Abschnitt
Statistische Visualisierung mit Seaborn

bookVerwendung der Distributionsschnittstelle

Die Funktion displot (Distribution Plot) ist die "übergeordnete" Funktion für alle bisher behandelten Diagrammtypen. Sie bietet eine einheitliche Schnittstelle zur Erstellung von Histogrammen, KDE-Plots und ECDFs.

Warum Displot verwenden?

Während histplot und kdeplot sich gut für einzelne Diagramme eignen, besitzt displot eine besondere Stärke: Facettierung.

Mit den Parametern col (Spalte) oder row (Zeile) kann displot den Datensatz automatisch anhand einer Kategorie in mehrere nebeneinander angeordnete Teilplots aufteilen.

Wichtige Parameter

  • kind: bestimmt den Diagrammtyp;
  • 'hist' (Standard);
  • 'kde';
  • 'ecdf'.
  • col / row: teilt die Daten in separate Teilplots, die in Spalten oder Zeilen angeordnet werden.

Beispiel

So können Sie mit nur einer Codezeile sofort drei separate Histogramme für verschiedene Arten erstellen.

12345678910111213141516
import seaborn as sns import matplotlib.pyplot as plt # Load dataset df = sns.load_dataset('penguins') # Create a grid of plots sns.displot( data=df, x='bill_length_mm', col='species', # Creates 3 subplots (one per species) kind='hist', # Draw histograms element='step' ) plt.show()
copy
Aufgabe

Swipe to start coding

Visualisierung der Verteilung der Diamantkaratzahlen mit dem diamonds-Datensatz.

  1. Einstellung des Stils auf 'darkgrid'.
  2. Erstellung eines KDE-Diagramms mit der Funktion displot:
  • Setzen von x auf 'carat'.
  • Einfärbung der Kurven nach 'cut' mittels hue.
  • Aufteilung der Darstellung in separate Spalten basierend auf der 'color' des Diamanten mittels col.
  • Festlegung des Diagrammtyps auf 'kde' mit dem Parameter kind.
  • Normalisierung der Daten mit multiple='fill' zur Anzeige relativer Anteile.
  • Verwendung der Farbpalette 'viridis'.
  • Nutzung der Variable df als Datengrundlage.
  1. Anzeige der Visualisierung.

Lösung

War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 1. Kapitel 8
single

single

Fragen Sie AI

expand

Fragen Sie AI

ChatGPT

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

close

bookVerwendung der Distributionsschnittstelle

Swipe um das Menü anzuzeigen

Die Funktion displot (Distribution Plot) ist die "übergeordnete" Funktion für alle bisher behandelten Diagrammtypen. Sie bietet eine einheitliche Schnittstelle zur Erstellung von Histogrammen, KDE-Plots und ECDFs.

Warum Displot verwenden?

Während histplot und kdeplot sich gut für einzelne Diagramme eignen, besitzt displot eine besondere Stärke: Facettierung.

Mit den Parametern col (Spalte) oder row (Zeile) kann displot den Datensatz automatisch anhand einer Kategorie in mehrere nebeneinander angeordnete Teilplots aufteilen.

Wichtige Parameter

  • kind: bestimmt den Diagrammtyp;
  • 'hist' (Standard);
  • 'kde';
  • 'ecdf'.
  • col / row: teilt die Daten in separate Teilplots, die in Spalten oder Zeilen angeordnet werden.

Beispiel

So können Sie mit nur einer Codezeile sofort drei separate Histogramme für verschiedene Arten erstellen.

12345678910111213141516
import seaborn as sns import matplotlib.pyplot as plt # Load dataset df = sns.load_dataset('penguins') # Create a grid of plots sns.displot( data=df, x='bill_length_mm', col='species', # Creates 3 subplots (one per species) kind='hist', # Draw histograms element='step' ) plt.show()
copy
Aufgabe

Swipe to start coding

Visualisierung der Verteilung der Diamantkaratzahlen mit dem diamonds-Datensatz.

  1. Einstellung des Stils auf 'darkgrid'.
  2. Erstellung eines KDE-Diagramms mit der Funktion displot:
  • Setzen von x auf 'carat'.
  • Einfärbung der Kurven nach 'cut' mittels hue.
  • Aufteilung der Darstellung in separate Spalten basierend auf der 'color' des Diamanten mittels col.
  • Festlegung des Diagrammtyps auf 'kde' mit dem Parameter kind.
  • Normalisierung der Daten mit multiple='fill' zur Anzeige relativer Anteile.
  • Verwendung der Farbpalette 'viridis'.
  • Nutzung der Variable df als Datengrundlage.
  1. Anzeige der Visualisierung.

Lösung

Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 1. Kapitel 8
single

single

some-alt