Glissez pour afficher le menu

Tracé Conjoint

Joint plot est un graphique plutôt unique, car il combine plusieurs graphiques. Fondamentalement, il a trois éléments par défaut :

histogramme en haut qui représente la distribution d'une certaine variable ;
histogramme à droite qui représente la distribution d'une autre variable ;
nuage de points au milieu qui montre la relation entre ces deux variables.

Voici un exemple de joint plot :

Données pour le Joint Plot

seaborn a une fonction jointplot() qui, de manière similaire à countplot() et kdeplot(), a trois paramètres les plus importants :

data ;
x ;
y .

Les paramètres x et y sont les variables qui nous intéressent (l'histogramme à droite et en haut respectivement), elles peuvent être soit des objets de type array-like soit les noms des colonnes d'un DataFrame (si nous définissons également le paramètre data comme un DataFrame).

Jetons un coup d'œil à un exemple :


              123456
            
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()

Nous venons de recréer l'exemple que nous avions au début en définissant un objet DataFrame pour le paramètre data et les noms des colonnes pour x et y.

Tracé au Milieu

Un autre paramètre assez utile est kind qui spécifie le tracé que vous avez au milieu. 'scatter' est sa valeur par défaut. Voici d'autres tracés possibles : 'kde', 'hist', 'hex', 'reg', 'resid'. N'hésitez pas à expérimenter avec différents tracés :


              123456
            
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()

Types de Graphiques

Bien que le nuage de points soit principalement utilisé pour le graphique au milieu, voici quelques autres graphiques juste pour information :

'reg' crée un modèle de régression linéaire ajusté avec le nuage de points, ce qui est utile pour vérifier si deux variables sont corrélées ;
'resid' trace les résidus d'une régression linéaire ( documentation );
'hist' crée un histogramme bivarié (pour deux variables) ;
'kde' crée un graphique KDE ;
'hex' crée un graphique hexbin . C'est un nuage de points où des bacs hexagonaux sont utilisés à la place des points de données individuels, et la couleur de chaque bac indique combien de points de données y tombent.

Comme d'habitude, n'hésitez pas à explorer plus de paramètres dans la documentation.

Tâche

Swipe to start coding

Utilisez la fonction correcte pour créer un graphique conjoint.
Utilisez weather_df comme données pour le graphique (le premier argument).
Définissez la colonne 'Boston' pour la variable de l'axe des x (le deuxième argument).
Définissez la colonne 'Seattle' pour la variable de l'axe des y (le troisième argument).
Définissez le graphique au milieu pour avoir une ligne de régression (l'argument le plus à droite).

Solution

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous

Tout était clair ?

Merci pour vos commentaires !

Section 5. Chapitre 5

Demandez à l'IA

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

Tracé Conjoint

Joint plot est un graphique plutôt unique, car il combine plusieurs graphiques. Fondamentalement, il a trois éléments par défaut :

histogramme en haut qui représente la distribution d'une certaine variable ;
histogramme à droite qui représente la distribution d'une autre variable ;
nuage de points au milieu qui montre la relation entre ces deux variables.

Voici un exemple de joint plot :

Données pour le Joint Plot

seaborn a une fonction jointplot() qui, de manière similaire à countplot() et kdeplot(), a trois paramètres les plus importants :

data ;
x ;
y .

Jetons un coup d'œil à un exemple :


              123456
            
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()

Nous venons de recréer l'exemple que nous avions au début en définissant un objet DataFrame pour le paramètre data et les noms des colonnes pour x et y.

Tracé au Milieu


              123456
            
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()

Types de Graphiques

Bien que le nuage de points soit principalement utilisé pour le graphique au milieu, voici quelques autres graphiques juste pour information :

'reg' crée un modèle de régression linéaire ajusté avec le nuage de points, ce qui est utile pour vérifier si deux variables sont corrélées ;
'resid' trace les résidus d'une régression linéaire ( documentation );
'hist' crée un histogramme bivarié (pour deux variables) ;
'kde' crée un graphique KDE ;
'hex' crée un graphique hexbin . C'est un nuage de points où des bacs hexagonaux sont utilisés à la place des points de données individuels, et la couleur de chaque bac indique combien de points de données y tombent.

Comme d'habitude, n'hésitez pas à explorer plus de paramètres dans la documentation.

Tâche

Swipe to start coding

Utilisez la fonction correcte pour créer un graphique conjoint.
Utilisez weather_df comme données pour le graphique (le premier argument).
Définissez la colonne 'Boston' pour la variable de l'axe des x (le deuxième argument).
Définissez la colonne 'Seattle' pour la variable de l'axe des y (le troisième argument).
Définissez le graphique au milieu pour avoir une ligne de régression (l'argument le plus à droite).

Solution

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous

Tout était clair ?

Merci pour vos commentaires !

Section 5. Chapitre 5

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous