Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Lära Parplott | Visualisering med Seaborn
Ultimat Visualisering med Python

Svep för att visa menyn

book
Parplott

Note
Definition

Pair plot används för att visualisera parvisa relationer mellan numeriska variabler i en datamängd. Det liknar ett joint plot, men är inte begränsat till endast två variabler. Ett pair plot skapar faktiskt ett NxN rutnät av Axes-objekt (flera delplottar) där N är antalet numeriska variabler (numeriska kolumner i en DataFrame).

Beskrivning av Pair Plot

I ett pair plot delar varje kolumn samma x-axel-variabel, och varje rad delar samma y-axel-variabel. Diagonalen visar histogram för individuella variabler, medan övriga plottar visar scatter plots.

Skapa ett Pair Plot

Att skapa ett pair plot med seaborn innebär att anropa dess funktion pairplot(). Dess viktigaste och enda obligatoriska parameter är data, som ska vara ett DataFrame-objekt.


              
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()
copy

DataFrame:en iris_df skickas till funktionen pairplot(). Parametrarna height och aspect definierar höjden och bredden (beräknad som höjd multiplicerat med aspekt) för varje facet i tum.

Hue

En annan parameter som är värd att nämna är hue, som specificerar variabeln (kolumnnamn) i data för att koppla plottegenskaper till olika färger eller till och med skapa separata plottar (på en Axes) för varje av dess värden.


              
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()
copy

Skillnaden är tydlig här. Datapunkterna i varje spridningsdiagram är färgade baserat på arten de tillhör, med hjälp av värdena från species-kolumnen. De diagonala diagrammen är nu KDE-diagram för varje art istället för histogram.

Vid klassificeringsproblem är det ofta lämpligt att skapa ett pair plot med hue-parametern satt till målvariabeln, det vill säga den kategoriska variabel som ska förutsägas.

Skillnaden är tydlig. Datapunkterna i varje spridningsdiagram är färgade enligt deras art, baserat på värdena i species-kolumnen. De diagonala diagrammen har ersatts med KDE-diagram för varje art istället för histogram.

Vid klassificeringsuppgifter är det ofta användbart att skapa ett pair plot med hue-parametern satt till målvariabeln — den kategoriska variabel som ska förutsägas.

Ändra diagramtyper

Du kan ändra typen av diagram som används istället för de förvalda spridningsdiagrammen, samt diagrammen som visas på diagonalen. Parametern kind styr huvuddiagrammen och är som standard inställd på spridningsdiagram, medan parametern diag_kind styr de diagonala diagrammen och väljs automatiskt beroende på om hue-parametern är satt.


              
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()
copy

'scatter', 'kde', 'hist', 'reg' är möjliga värden för parametern kind.

diag_kind kan ställas in på ett av följande värden:

  • 'auto';

  • 'hist';

  • 'kde';

  • None.

Allt är liknande funktionen jointplot() i detta avseende.

Note
Studera vidare

Utforska mer i pairplot() dokumentationen.

Uppgift

Swipe to start coding

  1. Använd rätt funktion för att skapa ett pair plot.
  2. Ange datan för diagrammet till penguins_df som det första argumentet.
  3. Ange 'sex' som kolumnen som mappar diagrammets aspekter till olika färger genom att specificera det andra argumentet.
  4. Ange att icke-diagonala diagram ska ha en regressionslinje ('reg') genom att specificera det tredje argumentet.
  5. Sätt height till 2.
  6. Sätt aspect till 0.8.

Lösning

Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 5. Kapitel 6
Vi beklagar att något gick fel. Vad hände?

Fråga AI

expand
ChatGPT

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

book
Parplott

Note
Definition

Pair plot används för att visualisera parvisa relationer mellan numeriska variabler i en datamängd. Det liknar ett joint plot, men är inte begränsat till endast två variabler. Ett pair plot skapar faktiskt ett NxN rutnät av Axes-objekt (flera delplottar) där N är antalet numeriska variabler (numeriska kolumner i en DataFrame).

Beskrivning av Pair Plot

I ett pair plot delar varje kolumn samma x-axel-variabel, och varje rad delar samma y-axel-variabel. Diagonalen visar histogram för individuella variabler, medan övriga plottar visar scatter plots.

Skapa ett Pair Plot

Att skapa ett pair plot med seaborn innebär att anropa dess funktion pairplot(). Dess viktigaste och enda obligatoriska parameter är data, som ska vara ett DataFrame-objekt.


              
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()
copy

DataFrame:en iris_df skickas till funktionen pairplot(). Parametrarna height och aspect definierar höjden och bredden (beräknad som höjd multiplicerat med aspekt) för varje facet i tum.

Hue

En annan parameter som är värd att nämna är hue, som specificerar variabeln (kolumnnamn) i data för att koppla plottegenskaper till olika färger eller till och med skapa separata plottar (på en Axes) för varje av dess värden.


              
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()
copy

Skillnaden är tydlig här. Datapunkterna i varje spridningsdiagram är färgade baserat på arten de tillhör, med hjälp av värdena från species-kolumnen. De diagonala diagrammen är nu KDE-diagram för varje art istället för histogram.

Vid klassificeringsproblem är det ofta lämpligt att skapa ett pair plot med hue-parametern satt till målvariabeln, det vill säga den kategoriska variabel som ska förutsägas.

Skillnaden är tydlig. Datapunkterna i varje spridningsdiagram är färgade enligt deras art, baserat på värdena i species-kolumnen. De diagonala diagrammen har ersatts med KDE-diagram för varje art istället för histogram.

Vid klassificeringsuppgifter är det ofta användbart att skapa ett pair plot med hue-parametern satt till målvariabeln — den kategoriska variabel som ska förutsägas.

Ändra diagramtyper

Du kan ändra typen av diagram som används istället för de förvalda spridningsdiagrammen, samt diagrammen som visas på diagonalen. Parametern kind styr huvuddiagrammen och är som standard inställd på spridningsdiagram, medan parametern diag_kind styr de diagonala diagrammen och väljs automatiskt beroende på om hue-parametern är satt.


              
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()
copy

'scatter', 'kde', 'hist', 'reg' är möjliga värden för parametern kind.

diag_kind kan ställas in på ett av följande värden:

  • 'auto';

  • 'hist';

  • 'kde';

  • None.

Allt är liknande funktionen jointplot() i detta avseende.

Note
Studera vidare

Utforska mer i pairplot() dokumentationen.

Uppgift

Swipe to start coding

  1. Använd rätt funktion för att skapa ett pair plot.
  2. Ange datan för diagrammet till penguins_df som det första argumentet.
  3. Ange 'sex' som kolumnen som mappar diagrammets aspekter till olika färger genom att specificera det andra argumentet.
  4. Ange att icke-diagonala diagram ska ha en regressionslinje ('reg') genom att specificera det tredje argumentet.
  5. Sätt height till 2.
  6. Sätt aspect till 0.8.

Lösning

Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 5. Kapitel 6
Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Vi beklagar att något gick fel. Vad hände?
some-alt