Oppiskele Pariplotti | Visualisointi Seabornilla

Määritelmä

Pair plot -kaaviota käytetään kuvaamaan numeeristen muuttujien välisiä parittaisia suhteita aineistossa. Se muistuttaa joint plot -kaaviota, mutta sitä ei ole rajoitettu vain kahteen muuttujaan. Pair plot muodostaa itse asiassa NxN-ruudukon Axes-olioita (useita alikuvioita), missä N on numeeristen muuttujien määrä (DataFrame:n numeeriset sarakkeet).

Pair plotin kuvaus

Pair plotissa jokainen sarake jakaa saman x-akselin muuttujan ja jokainen rivi saman y-akselin muuttujan. Diagonaalilla esitetään yksittäisten muuttujien histogrammit, kun taas muut kuviot näyttävät hajontakuvioita.

Pariplotin luominen

Pariplotin luominen seaborn-kirjastolla tapahtuu kutsumalla sen pairplot()-funktiota. Sen tärkein ja ainoa pakollinen parametri on data, jonka tulee olla DataFrame-olio.


              12345678910
            
import seaborn as sns
import matplotlib.pyplot as plt

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

# Creating a pair plot
sns.pairplot(iris_df, height=2, aspect=0.8)

plt.show()

DataFrame iris_df välitetään pairplot()-funktiolle. Parametrit height ja aspect määrittävät kunkin facetin korkeuden ja leveyden (lasketaan korkeuden ja aspectin tulona) tuumina.

Hue

Toinen huomionarvoinen parametri on hue, joka määrittää muuttujan (sarakkeen nimen) data-aineistossa, jonka perusteella kuvaajan ominaisuudet voidaan liittää eri väreihin tai jopa luoda erilliset kuvaajat (yhdelle Axes-akselille) kullekin sen arvolle.


              1234567891011121314
            
import seaborn as sns
import matplotlib.pyplot as plt

# Ignoring warnings
import warnings
warnings.filterwarnings('ignore')

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

# Setting the hue parameter to 'species'
sns.pairplot(iris_df, hue='species', height=2, aspect=0.8)

plt.show()

Ero on tässä selvästi nähtävissä. Jokaisen hajontakuvion datapisteet on väritetty niiden lajiin perustuen, käyttäen species-sarakkeen arvoja. Diagonaaliset kuvaajat ovat nyt KDE-kuvaajia jokaiselle lajille histogrammien sijaan.

Luokitteluongelmissa on usein järkevää luoda pair plot, jossa hue-parametri asetetaan kohdemuuttujaksi, eli kategoriseksi muuttujaksi, jota halutaan ennustaa.

Ero on selvä. Jokaisen hajontakuvion datapisteet on väritetty niiden lajin mukaan, perustuen species-sarakkeen arvoihin. Diagonaaliset kuvaajat on korvattu KDE-kuvaajilla jokaiselle lajille histogrammien sijaan.

Luokittelutehtävissä pair plotin luominen siten, että hue-parametri asetetaan kohdemuuttujaksi — kategorinen muuttuja, jota ennustetaan — on usein hyödyllistä.

Kaaviotyypin muuttaminen

Voit vaihtaa käytettyjen kaavioiden tyyppiä oletusarvoisten hajontakaavioiden sijaan sekä diagonaalilla näytettäviä kaavioita. Parametri kind ohjaa pääkaavioita ja oletuksena käyttää hajontakaavioita, kun taas parametri diag_kind ohjaa diagonaalikaavioita ja valitaan automaattisesti sen perusteella, onko hue-parametri asetettu.


              12345678910
            
import seaborn as sns
import matplotlib.pyplot as plt

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

# Setting the kind parameter and diag_kind parameters
sns.pairplot(iris_df, hue='species', kind='reg', diag_kind=None, height=2, aspect=0.8)

plt.show()

'scatter', 'kde', 'hist', 'reg' ovat mahdollisia arvoja kind-parametrille.

diag_kind voidaan asettaa johonkin seuraavista arvoista:

'auto';
'hist';
'kde';
None.

Kaikki on tältä osin samanlaista kuin jointplot()-funktiossa.

Lisätietoa

Tutustu lisää pairplot()-dokumentaatiossa.

Tehtävä

Swipe to start coding

Käytä oikeaa funktiota pariplotin luomiseen.
Aseta piirrettävän datan arvoksi penguins_df ensimmäisenä argumenttina.
Aseta sarakkeeksi 'sex', joka määrittää eri värit kuvaajassa toisen argumentin avulla.
Aseta ei-diagonaalisille kuvaajille regressiosuora 'reg' kolmannen argumentin avulla.
Aseta height arvoksi 2.
Aseta aspect arvoksi 0.8.

Ratkaisu

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 5. Luku 6

single

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Suggested prompts:

What other parameters can I use with the pairplot() function?

Can you explain the difference between 'kind' and 'diag_kind' in more detail?

How do I interpret the KDE plots on the diagonal?

Awesome!

Completion rate improved to 3.85

Pyyhkäise näyttääksesi valikon