Visualisation des Estimations Ponctuelles
Un pointplot représente une estimation de la tendance centrale (moyenne) par la position des points du nuage de points et fournit une indication de l'incertitude à l'aide de barres d'erreur.
Pointplot vs. Barplot
Techniquement, ils affichent exactement les mêmes données. Cependant, un pointplot relie les estimations par une ligne. Cela permet de visualiser la pente du changement, facilitant ainsi l'observation de l'évolution d'une variable d'une catégorie à une autre.
Paramètres clés
Pour rendre le graphique plus lisible (notamment en noir et blanc), il est possible de personnaliser les marqueurs et les lignes pour différents groupes :
markers: une liste de symboles à utiliser pour les points (par exemple,['o', 'x']) ;linestyles: une liste de styles de ligne (par exemple,['-']pour une ligne pleine,['--']pour une ligne en pointillés) ;dodge=True: décale légèrement les points le long de l'axe afin qu'ils ne se chevauchent pas, rendant les barres d'erreur distinctes.
Exemple
Voici un pointplot montrant comment la facture moyenne évolue au cours de la semaine. Remarquez comment la ligne en pointillés permet de distinguer "Lunch" de "Dinner" même sans couleur.
123456789101112131415161718import seaborn as sns import matplotlib.pyplot as plt # Load dataset df = sns.load_dataset('tips') # Create a styled pointplot sns.pointplot( data=df, x='day', y='total_bill', hue='time', markers=['o', '^'], # Circle and Triangle markers linestyles=['-', '--'], # Solid and Dashed lines dodge=True # Avoid overlap ) plt.show()
Swipe to start coding
Visualiser les pourboires donnés selon les différents jours afin de détecter une éventuelle tendance.
- Définir le style sur
'ticks'. Personnaliser la couleur de fond en passant{'axes.facecolor': 'azure'}comme deuxième argument. - Créer un pointplot et l’assigner à la variable
g:
- Mapper
'day'surxet'tip'sury. - Grouper par
'sex'à l’aide dehue. - Utiliser
'v'(triangle_down) et'o'(cercle) commemarkerspour distinguer les genres. - Utiliser la palette
'rocket'. - Activer
dodge=Truepour séparer les barres d’erreur. - Définir
capsizeà0.2pour ajouter des extrémités aux barres d’erreur.- Utiliser des lignes pleines (
'-') et pointillées ('--') pourlinestyles.
- Utiliser des lignes pleines (
- Définir le titre sur
'Tips pointplot'en utilisant la variableg. - Afficher le graphique.
Solution
Merci pour vos commentaires !
single
Demandez à l'IA
Demandez à l'IA
Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion
Génial!
Completion taux amélioré à 4.55
Visualisation des Estimations Ponctuelles
Glissez pour afficher le menu
Un pointplot représente une estimation de la tendance centrale (moyenne) par la position des points du nuage de points et fournit une indication de l'incertitude à l'aide de barres d'erreur.
Pointplot vs. Barplot
Techniquement, ils affichent exactement les mêmes données. Cependant, un pointplot relie les estimations par une ligne. Cela permet de visualiser la pente du changement, facilitant ainsi l'observation de l'évolution d'une variable d'une catégorie à une autre.
Paramètres clés
Pour rendre le graphique plus lisible (notamment en noir et blanc), il est possible de personnaliser les marqueurs et les lignes pour différents groupes :
markers: une liste de symboles à utiliser pour les points (par exemple,['o', 'x']) ;linestyles: une liste de styles de ligne (par exemple,['-']pour une ligne pleine,['--']pour une ligne en pointillés) ;dodge=True: décale légèrement les points le long de l'axe afin qu'ils ne se chevauchent pas, rendant les barres d'erreur distinctes.
Exemple
Voici un pointplot montrant comment la facture moyenne évolue au cours de la semaine. Remarquez comment la ligne en pointillés permet de distinguer "Lunch" de "Dinner" même sans couleur.
123456789101112131415161718import seaborn as sns import matplotlib.pyplot as plt # Load dataset df = sns.load_dataset('tips') # Create a styled pointplot sns.pointplot( data=df, x='day', y='total_bill', hue='time', markers=['o', '^'], # Circle and Triangle markers linestyles=['-', '--'], # Solid and Dashed lines dodge=True # Avoid overlap ) plt.show()
Swipe to start coding
Visualiser les pourboires donnés selon les différents jours afin de détecter une éventuelle tendance.
- Définir le style sur
'ticks'. Personnaliser la couleur de fond en passant{'axes.facecolor': 'azure'}comme deuxième argument. - Créer un pointplot et l’assigner à la variable
g:
- Mapper
'day'surxet'tip'sury. - Grouper par
'sex'à l’aide dehue. - Utiliser
'v'(triangle_down) et'o'(cercle) commemarkerspour distinguer les genres. - Utiliser la palette
'rocket'. - Activer
dodge=Truepour séparer les barres d’erreur. - Définir
capsizeà0.2pour ajouter des extrémités aux barres d’erreur.- Utiliser des lignes pleines (
'-') et pointillées ('--') pourlinestyles.
- Utiliser des lignes pleines (
- Définir le titre sur
'Tips pointplot'en utilisant la variableg. - Afficher le graphique.
Solution
Merci pour vos commentaires !
single