Pyyhkäise näyttääksesi valikon

Pariplotti

Määritelmä

Pair plot eli pariplotti kuvaa numeeristen muuttujien välisiä pariutuvia suhteita aineistossa. Se muistuttaa joint plot -kuvaajaa, mutta ei rajoitu vain kahteen muuttujaan. Pariplotti muodostaa itse asiassa NxN-ruudukon Axes-olioita (useita alikuvia), missä N on numeeristen muuttujien määrä (DataFrame-taulukon numeeriset sarakkeet).

Pariplotin kuvaus

Pariplotissa jokainen sarake jakaa saman x-akselin muuttujan ja jokainen rivi saman y-akselin muuttujan. Diagonaalilla esitetään yksittäisten muuttujien histogrammit, kun taas muut kuviot näyttävät hajontakuvioita.

Pariplotin luominen

Pariplotin luominen seaborn-kirjastolla tapahtuu kutsumalla sen pairplot()-funktiota. Tärkein ja ainoa pakollinen parametri on data, jonka tulee olla DataFrame-olio.


              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()

DataFrame iris_df välitetään pairplot()-funktiolle. Parametrit height ja aspect määrittävät korkeuden ja leveyden (lasketaan korkeus kerrottuna aspect-arvolla) jokaiselle facetille tuumina.

Hue

Toinen huomionarvoinen parametri on hue, joka määrittää muuttujan (sarakkeen nimen) data:ssa, jonka perusteella piirrosaspekteja voidaan yhdistää eri väreihin tai jopa luoda erilliset kuviot (yhdelle Axes:lle) jokaiselle sen arvolle.


              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()

Tässä ero näkyy selvästi. Jokaisen hajontakuvion datapisteet on väritetty niiden lajin mukaan käyttäen species-sarakkeen arvoja. Diagonaaliset kuviot ovat nyt KDE-kuvioita jokaiselle lajille histogrammien sijaan.

Luokitteluongelmissa on usein järkevää luoda pair plot, jossa hue-parametri asetetaan kohdemuuttujaksi, eli kategoriselle muuttujalle, jota halutaan ennustaa.

Ero on selkeä. Jokaisen hajontakuvion datapisteet on väritetty niiden lajin mukaan, perustuen species-sarakkeen arvoihin. Diagonaaliset kuviot on korvattu KDE-kuvioilla jokaiselle lajille histogrammien sijaan.

Luokittelutehtävissä pair plotin luominen siten, että hue-parametri asetetaan kohdemuuttujaksi — kategorinen muuttuja, jota ennustetaan — on usein hyödyllistä.

Kuvion tyypin muuttaminen

Voit muuttaa käytettyjen kuvioiden tyyppiä oletusarvoisten hajontakuvioiden sijaan sekä diagonaalilla näytettäviä kuvioita. kind-parametri ohjaa pääkuvioita ja oletuksena käyttää hajontakuvioita, kun taas diag_kind-parametri ohjaa diagonaalilla olevia kuvioita ja valitaan automaattisesti sen mukaan, onko hue-parametri asetettu.


              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()

'scatter', 'kde', 'hist', 'reg' ovat mahdollisia arvoja kind-parametrille.

diag_kind voidaan asettaa johonkin seuraavista arvoista:

'auto';
'hist';
'kde';
None.

Kaikki on tältä osin samanlaista kuin jointplot()-funktiossa.

Lisätietoa

Tutustu lisää pairplot() dokumentaatioon.

Tehtävä

Swipe to start coding

Käytä oikeaa funktiota pariplotin luomiseen.
Aseta piirrettävän datan arvoksi penguins_df ensimmäisenä argumenttina.
Aseta sarake 'sex' määrittämään, miten eri värit liitetään kuvaajan eri osiin toisen argumentin avulla.
Aseta ei-diagonaalisille kuvaajille regressiosuora ('reg') määrittämällä kolmas argumentti.
Aseta height arvoksi 2.
Aseta aspect arvoksi 0.8.

Ratkaisu

Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 5. Luku 6

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Pariplotti

Määritelmä

Pariplotin kuvaus

Pariplotin luominen

Pariplotin luominen seaborn-kirjastolla tapahtuu kutsumalla sen pairplot()-funktiota. Tärkein ja ainoa pakollinen parametri on data, jonka tulee olla DataFrame-olio.


              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()

Hue


              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()

Luokitteluongelmissa on usein järkevää luoda pair plot, jossa hue-parametri asetetaan kohdemuuttujaksi, eli kategoriselle muuttujalle, jota halutaan ennustaa.

Luokittelutehtävissä pair plotin luominen siten, että hue-parametri asetetaan kohdemuuttujaksi — kategorinen muuttuja, jota ennustetaan — on usein hyödyllistä.

Kuvion tyypin muuttaminen


              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()

'scatter', 'kde', 'hist', 'reg' ovat mahdollisia arvoja kind-parametrille.

diag_kind voidaan asettaa johonkin seuraavista arvoista:

'auto';
'hist';
'kde';
None.

Kaikki on tältä osin samanlaista kuin jointplot()-funktiossa.

Lisätietoa

Tutustu lisää pairplot() dokumentaatioon.

Tehtävä

Swipe to start coding

Käytä oikeaa funktiota pariplotin luomiseen.
Aseta piirrettävän datan arvoksi penguins_df ensimmäisenä argumenttina.
Aseta sarake 'sex' määrittämään, miten eri värit liitetään kuvaajan eri osiin toisen argumentin avulla.
Aseta ei-diagonaalisille kuvaajille regressiosuora ('reg') määrittämällä kolmas argumentti.
Aseta height arvoksi 2.
Aseta aspect arvoksi 0.8.

Ratkaisu

Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 5. Luku 6

Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista