Pair Plot
Pair plot viene utilizzato per rappresentare graficamente la relazione a coppie tra le variabili numeriche in un dataset. È molto simile a un joint plot, tuttavia non è limitato a sole due variabili. Infatti, un pair plot crea una griglia NxN di oggetti Axes (più sottotrame), dove N è il numero di variabili numeriche (colonne numeriche in un DataFrame).
Descrizione del Pair Plot
In un pair plot, ogni colonna condivide la stessa variabile sull'asse x, e ogni riga condivide la stessa variabile sull'asse y. La diagonale mostra gli istogrammi delle singole variabili, mentre gli altri grafici visualizzano scatter plot.
Creazione di un Pair Plot
La creazione di un pair plot con seaborn consiste nell'utilizzare la funzione pairplot(). Il parametro più importante e l'unico obbligatorio è data, che deve essere un oggetto DataFrame.
12345678910import 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()
Il DataFrame iris_df viene passato alla funzione pairplot(). I parametri height e aspect definiscono rispettivamente l'altezza e la larghezza (calcolata come altezza moltiplicata per aspect) di ogni faccetta in pollici.
Hue
Un altro parametro degno di nota è hue, che specifica la variabile (nome della colonna) in data da associare ad aspetti del grafico tramite colori diversi o persino creare grafici separati (sullo stesso Axes) per ciascuno dei suoi valori.
1234567891011121314import 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()
La differenza è evidente. I punti dati in ciascun grafico a dispersione sono colorati in base alla specie di appartenenza, utilizzando i valori della colonna species. I grafici diagonali ora sono grafici KDE per ciascuna specie invece che istogrammi.
Nei problemi di classificazione, spesso è utile creare un pair plot impostando il parametro hue sulla variabile target, ovvero la variabile categorica che si desidera prevedere.
La differenza è chiara. I punti dati in ogni scatter plot sono colorati secondo la loro specie, in base ai valori della colonna species. I grafici diagonali sono stati sostituiti da grafici KDE per ciascuna specie invece che da istogrammi.
Nelle attività di classificazione, è spesso utile creare un pair plot con il parametro hue impostato sulla variabile target — la variabile categorica da prevedere.
Modifica dei Tipi di Grafico
È possibile modificare il tipo di grafici utilizzati al posto dei grafici a dispersione predefiniti, così come i grafici mostrati sulla diagonale. Il parametro kind controlla i grafici principali e predefinisce i grafici a dispersione, mentre il parametro diag_kind controlla i grafici diagonali ed è selezionato automaticamente in base alla presenza del parametro hue.
12345678910import 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' sono i valori possibili per il parametro kind.
diag_kind può essere impostato su uno dei seguenti valori:
'auto';'hist';'kde';None.
Tutto è simile alla funzione jointplot() sotto questo aspetto.
Esplora ulteriormente nella documentazione di pairplot().
Swipe to start coding
- Utilizzare la funzione corretta per creare un pair plot.
- Impostare i dati del grafico su
penguins_dftramite il primo argomento. - Impostare
'sex'come colonna che mapperà gli aspetti del grafico su colori diversi specificando il secondo argomento. - Impostare i grafici non diagonali per includere una linea di regressione (
'reg') specificando il terzo argomento. - Impostare
heighta2. - Impostare
aspecta0.8.
Soluzione
Grazie per i tuoi commenti!
single
Chieda ad AI
Chieda ad AI
Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione
Awesome!
Completion rate improved to 3.85Pair Plot
Scorri per mostrare il menu
Pair plot viene utilizzato per rappresentare graficamente la relazione a coppie tra le variabili numeriche in un dataset. È molto simile a un joint plot, tuttavia non è limitato a sole due variabili. Infatti, un pair plot crea una griglia NxN di oggetti Axes (più sottotrame), dove N è il numero di variabili numeriche (colonne numeriche in un DataFrame).
Descrizione del Pair Plot
In un pair plot, ogni colonna condivide la stessa variabile sull'asse x, e ogni riga condivide la stessa variabile sull'asse y. La diagonale mostra gli istogrammi delle singole variabili, mentre gli altri grafici visualizzano scatter plot.
Creazione di un Pair Plot
La creazione di un pair plot con seaborn consiste nell'utilizzare la funzione pairplot(). Il parametro più importante e l'unico obbligatorio è data, che deve essere un oggetto DataFrame.
12345678910import 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()
Il DataFrame iris_df viene passato alla funzione pairplot(). I parametri height e aspect definiscono rispettivamente l'altezza e la larghezza (calcolata come altezza moltiplicata per aspect) di ogni faccetta in pollici.
Hue
Un altro parametro degno di nota è hue, che specifica la variabile (nome della colonna) in data da associare ad aspetti del grafico tramite colori diversi o persino creare grafici separati (sullo stesso Axes) per ciascuno dei suoi valori.
1234567891011121314import 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()
La differenza è evidente. I punti dati in ciascun grafico a dispersione sono colorati in base alla specie di appartenenza, utilizzando i valori della colonna species. I grafici diagonali ora sono grafici KDE per ciascuna specie invece che istogrammi.
Nei problemi di classificazione, spesso è utile creare un pair plot impostando il parametro hue sulla variabile target, ovvero la variabile categorica che si desidera prevedere.
La differenza è chiara. I punti dati in ogni scatter plot sono colorati secondo la loro specie, in base ai valori della colonna species. I grafici diagonali sono stati sostituiti da grafici KDE per ciascuna specie invece che da istogrammi.
Nelle attività di classificazione, è spesso utile creare un pair plot con il parametro hue impostato sulla variabile target — la variabile categorica da prevedere.
Modifica dei Tipi di Grafico
È possibile modificare il tipo di grafici utilizzati al posto dei grafici a dispersione predefiniti, così come i grafici mostrati sulla diagonale. Il parametro kind controlla i grafici principali e predefinisce i grafici a dispersione, mentre il parametro diag_kind controlla i grafici diagonali ed è selezionato automaticamente in base alla presenza del parametro hue.
12345678910import 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' sono i valori possibili per il parametro kind.
diag_kind può essere impostato su uno dei seguenti valori:
'auto';'hist';'kde';None.
Tutto è simile alla funzione jointplot() sotto questo aspetto.
Esplora ulteriormente nella documentazione di pairplot().
Swipe to start coding
- Utilizzare la funzione corretta per creare un pair plot.
- Impostare i dati del grafico su
penguins_dftramite il primo argomento. - Impostare
'sex'come colonna che mapperà gli aspetti del grafico su colori diversi specificando il secondo argomento. - Impostare i grafici non diagonali per includere una linea di regressione (
'reg') specificando il terzo argomento. - Impostare
heighta2. - Impostare
aspecta0.8.
Soluzione
Cambia al desktop per esercitarti nel mondo realeContinua da dove ti trovi utilizzando una delle opzioni seguentiGrazie per i tuoi commenti!
single
