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

Svep för att visa menyn

book
Sambandsdiagram

Note
Definition

Joint plot är ett ganska unikt diagram, eftersom det kombinerar flera diagram. Det är ett diagram som visar sambandet mellan två variabler tillsammans med deras individuella fördelningar.

I grunden har det tre element som standard:

  • Histogram högst upp som representerar fördelningen av en viss variabel;

  • Histogram till höger som representerar fördelningen av en annan variabel;

  • Scatter plot i mitten som visar sambandet mellan dessa två variabler.

Här är ett exempel på ett joint plot:

Data för Joint Plot

seaborn har en funktion jointplot() som, likt countplot() och kdeplot(), har tre viktigaste parametrar:

  • data;

  • x;

  • y.

Parametrarna x och y anger variablerna som ska plottas, vilket motsvarar histogrammen till höger och högst upp. Dessa parametrar kan vara array-liknande objekt eller kolumnnamn när parametern data är en DataFrame.

12345678
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()
copy

Det ursprungliga exemplet har återskapats genom att tilldela en DataFrame till parametern data och ange kolumnnamn för x och y.

Diagram i mitten

En annan användbar parameter är kind som specificerar vilket diagram som visas i mitten. Standardvärdet är 'scatter'. Andra möjliga diagram är: 'kde', 'hist', 'hex', 'reg', 'resid'. Prova gärna olika diagramtyper:

12345678
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()
copy

Diagramtyper

Även om spridningsdiagrammet är det vanligaste valet för den centrala grafen, finns det flera andra alternativ tillgängliga:

  • reg: Lägger till en linjär regressionsanpassning till spridningsdiagrammet, användbart för att kontrollera korrelation mellan variabler;

  • resid: Visar residualerna från en linjär regression;

  • hist: Visar ett bivariat histogram för två variabler;

  • kde: Skapar ett KDE-diagram;

  • hex: Producerar ett hexbin-diagram, där hexagonala fält ersätter enskilda punkter och fältets färg indikerar datatäthet.

Note
Fördjupa dig

Som vanligt kan du utforska fler alternativ och parametrar i jointplot() dokumentationen.

Det är också värt att utforska de nämnda ämnena:
residplot() dokumentationen;
Exempel på bivariat histogram;
Exempel på hexbin-diagram.

Uppgift

Swipe to start coding

  1. Använd rätt funktion för att skapa ett joint plot.
  2. Använd weather_df som data för diagrammet (det första argumentet).
  3. Ange kolumnen 'Boston' som variabel för x-axeln (det andra argumentet).
  4. Ange kolumnen 'Seattle' som variabel för y-axeln (det tredje argumentet).
  5. Ställ in att diagrammet i mitten ska ha en regressionslinje (det sista argumentet).

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 5

Fråga AI

expand
ChatGPT

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

book
Sambandsdiagram

Note
Definition

Joint plot är ett ganska unikt diagram, eftersom det kombinerar flera diagram. Det är ett diagram som visar sambandet mellan två variabler tillsammans med deras individuella fördelningar.

I grunden har det tre element som standard:

  • Histogram högst upp som representerar fördelningen av en viss variabel;

  • Histogram till höger som representerar fördelningen av en annan variabel;

  • Scatter plot i mitten som visar sambandet mellan dessa två variabler.

Här är ett exempel på ett joint plot:

Data för Joint Plot

seaborn har en funktion jointplot() som, likt countplot() och kdeplot(), har tre viktigaste parametrar:

  • data;

  • x;

  • y.

Parametrarna x och y anger variablerna som ska plottas, vilket motsvarar histogrammen till höger och högst upp. Dessa parametrar kan vara array-liknande objekt eller kolumnnamn när parametern data är en DataFrame.

12345678
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()
copy

Det ursprungliga exemplet har återskapats genom att tilldela en DataFrame till parametern data och ange kolumnnamn för x och y.

Diagram i mitten

En annan användbar parameter är kind som specificerar vilket diagram som visas i mitten. Standardvärdet är 'scatter'. Andra möjliga diagram är: 'kde', 'hist', 'hex', 'reg', 'resid'. Prova gärna olika diagramtyper:

12345678
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()
copy

Diagramtyper

Även om spridningsdiagrammet är det vanligaste valet för den centrala grafen, finns det flera andra alternativ tillgängliga:

  • reg: Lägger till en linjär regressionsanpassning till spridningsdiagrammet, användbart för att kontrollera korrelation mellan variabler;

  • resid: Visar residualerna från en linjär regression;

  • hist: Visar ett bivariat histogram för två variabler;

  • kde: Skapar ett KDE-diagram;

  • hex: Producerar ett hexbin-diagram, där hexagonala fält ersätter enskilda punkter och fältets färg indikerar datatäthet.

Note
Fördjupa dig

Som vanligt kan du utforska fler alternativ och parametrar i jointplot() dokumentationen.

Det är också värt att utforska de nämnda ämnena:
residplot() dokumentationen;
Exempel på bivariat histogram;
Exempel på hexbin-diagram.

Uppgift

Swipe to start coding

  1. Använd rätt funktion för att skapa ett joint plot.
  2. Använd weather_df som data för diagrammet (det första argumentet).
  3. Ange kolumnen 'Boston' som variabel för x-axeln (det andra argumentet).
  4. Ange kolumnen 'Seattle' som variabel för y-axeln (det tredje argumentet).
  5. Ställ in att diagrammet i mitten ska ha en regressionslinje (det sista argumentet).

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 5
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