Kursinhalt

Ultimative Visualisierung mit Python

1. Einführung in Matplotlib

Anwendungsfälle für das Plotten Warum Matplotlib Verwenden?Erstellen Einer Leinwand Grundlegendes Plotten

2. Erstellen Häufig Verwendeter Diagramme

Liniendiagramm Mehrere Linienplots Streudiagramm Balkendiagramm Gestapelte Balkendiagramme Gruppierte Balkendiagramme

3. Anpassung von Plots

Titel zum Diagramm Hinzufügen Legende Hinzufügen Achsenanpassung Farben und Transparenz Anpassen des Grids Unterdiagramme

4. Mehr Statistische Diagramme

Histogram Boxplot Kreisdiagramm

5. Visualisierung mit Seaborn

Einführung in Seaborn Countplot Diagrammdekoration KDE-Diagramm Joint Plot Paar-Diagramm Heatmap

Joint Plot

Joint Plot ist ein ziemlich einzigartiges Diagramm, da es mehrere Diagramme kombiniert. Grundsätzlich hat es standardmäßig drei Elemente:

Histogramm oben, das die Verteilung einer bestimmten Variablen darstellt;
Histogramm rechts, das die Verteilung einer anderen Variablen darstellt;
Streudiagramm in der Mitte, das die Beziehung zwischen diesen beiden Variablen zeigt.

Hier ist ein Beispiel für ein Joint Plot:

Daten für das Joint Plot

seaborn hat eine jointplot() Funktion, die ähnlich wie countplot() und kdeplot() drei wichtigste Parameter hat:

data;
x;
y.

Die Parameter x und y sind die Variablen, die uns interessieren (das rechte und obere Histogramm jeweils), sie können entweder array-ähnliche Objekte oder die Namen der Spalten eines DataFrame sein (wenn wir auch den data Parameter als DataFrame setzen).

Schauen wir uns ein Beispiel an:


              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()

Wir haben gerade das Beispiel, das wir am Anfang hatten, nachgebildet, indem wir ein DataFrame-Objekt für den data-Parameter und die Namen der Spalten für x und y festgelegt haben.

Plot in der Mitte

Ein weiterer sehr nützlicher Parameter ist kind, der das Diagramm angibt, das Sie in der Mitte haben. 'scatter' ist der Standardwert. Hier sind andere mögliche Diagramme: 'kde', 'hist', 'hex', 'reg', 'resid'. Fühlen Sie sich frei, mit verschiedenen Diagrammen zu experimentieren:


              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()

Plot-Arten

Obwohl das Streudiagramm meist für das Diagramm in der Mitte verwendet wird, sind hier einige andere Diagramme nur zur Information:

'reg' erstellt ein lineares Regressionsmodell, das zusammen mit dem Streudiagramm angezeigt wird, was nützlich ist, um zu überprüfen, ob zwei Variablen korreliert sind;
'resid' zeigt die Residuen einer linearen Regression (Dokumentation);
'hist' erstellt ein bivariates Histogramm (für zwei Variablen);
'kde' erstellt ein KDE-Diagramm;
'hex' erstellt ein Hexbin-Diagramm. Es ist ein Streudiagramm, bei dem hexagonale Bins anstelle einzelner Datenpunkte verwendet werden, und die Farbe jedes Bins zeigt an, wie viele Datenpunkte darin enthalten sind.

Wie üblich, zögern Sie nicht, weitere Parameter in der Dokumentation zu erkunden.

Aufgabe

Swipe to start coding

Verwenden Sie die richtige Funktion, um ein Joint-Plot zu erstellen.
Verwenden Sie weather_df als Daten für das Diagramm (das erste Argument).
Setzen Sie die 'Boston'-Spalte als Variable für die x-Achse (das zweite Argument).
Setzen Sie die 'Seattle'-Spalte als Variable für die y-Achse (das dritte Argument).
Setzen Sie das Diagramm in der Mitte so, dass es eine Regressionslinie hat (das letzte Argument).

Lösung

Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden

War alles klar?

Danke für Ihr Feedback!

Abschnitt 5. Kapitel 5

Joint Plot

Joint Plot ist ein ziemlich einzigartiges Diagramm, da es mehrere Diagramme kombiniert. Grundsätzlich hat es standardmäßig drei Elemente:

Histogramm oben, das die Verteilung einer bestimmten Variablen darstellt;
Histogramm rechts, das die Verteilung einer anderen Variablen darstellt;
Streudiagramm in der Mitte, das die Beziehung zwischen diesen beiden Variablen zeigt.

Hier ist ein Beispiel für ein Joint Plot:

Daten für das Joint Plot

seaborn hat eine jointplot() Funktion, die ähnlich wie countplot() und kdeplot() drei wichtigste Parameter hat:

data;
x;
y.

Schauen wir uns ein Beispiel an:


              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()

Wir haben gerade das Beispiel, das wir am Anfang hatten, nachgebildet, indem wir ein DataFrame-Objekt für den data-Parameter und die Namen der Spalten für x und y festgelegt haben.

Plot in der Mitte


              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()

Plot-Arten

Obwohl das Streudiagramm meist für das Diagramm in der Mitte verwendet wird, sind hier einige andere Diagramme nur zur Information:

'reg' erstellt ein lineares Regressionsmodell, das zusammen mit dem Streudiagramm angezeigt wird, was nützlich ist, um zu überprüfen, ob zwei Variablen korreliert sind;
'resid' zeigt die Residuen einer linearen Regression (Dokumentation);
'hist' erstellt ein bivariates Histogramm (für zwei Variablen);
'kde' erstellt ein KDE-Diagramm;
'hex' erstellt ein Hexbin-Diagramm. Es ist ein Streudiagramm, bei dem hexagonale Bins anstelle einzelner Datenpunkte verwendet werden, und die Farbe jedes Bins zeigt an, wie viele Datenpunkte darin enthalten sind.

Wie üblich, zögern Sie nicht, weitere Parameter in der Dokumentation zu erkunden.

Aufgabe

Swipe to start coding

Verwenden Sie die richtige Funktion, um ein Joint-Plot zu erstellen.
Verwenden Sie weather_df als Daten für das Diagramm (das erste Argument).
Setzen Sie die 'Boston'-Spalte als Variable für die x-Achse (das zweite Argument).
Setzen Sie die 'Seattle'-Spalte als Variable für die y-Achse (das dritte Argument).
Setzen Sie das Diagramm in der Mitte so, dass es eine Regressionslinie hat (das letzte Argument).

Lösung

Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden

War alles klar?

Danke für Ihr Feedback!

Abschnitt 5. Kapitel 5

Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden