Oppiskele Yhdistelmäkaavio | Visualisointi Seabornilla

Määritelmä

Joint plot on varsin ainutlaatuinen kaavio, koska se yhdistää useita kaavioita. Se on kaavio, joka näyttää kahden muuttujan välisen suhteen sekä niiden yksittäiset jakaumat.

Perustilanteessa siinä on kolme elementtiä:

Histogrammi ylhäällä, joka esittää tietyn muuttujan jakaumaa;
Histogrammi oikealla, joka esittää toisen muuttujan jakaumaa;
Hajontakaavio keskellä, joka näyttää näiden kahden muuttujan välisen suhteen.

Tässä on esimerkki joint plotista:

Data Joint Plot -kaaviolle

seaborn-kirjastossa on jointplot()-funktio, jolla on kolme tärkeintä parametria samoin kuin countplot()- ja kdeplot()-funktioilla:

data;
x;
y.

Parametrit x ja y määrittävät piirrettävät muuttujat, jotka vastaavat oikealla ja ylhäällä olevia histogrammeja. Nämä parametrit voivat olla taulukkomaisia olioita tai sarakkeiden nimiä, kun data-parametri on DataFrame-tyyppinen.


              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()

Alkuperäinen esimerkki on toteutettu määrittämällä DataFrame data-parametriin ja asettamalla sarakkeiden nimet x- ja y-parametreihin.

Kaavio keskellä

Toinen varsin hyödyllinen parametri on kind, joka määrittää keskellä olevan kaavion. Oletusarvo on 'scatter'. Muita mahdollisia kaaviotyyppejä ovat: 'kde', 'hist', 'hex', 'reg', 'resid'. Kokeile rohkeasti erilaisia kaavioita:


              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()

Kaaviotyypit

Vaikka hajontakaavio on yleisin valinta keskelle, on tarjolla useita muita vaihtoehtoja:

reg: Lisää lineaarisen regressio-sovituksen hajontakaavioon, hyödyllinen korrelaation tarkasteluun;
resid: Näyttää lineaarisen regression residuaalit;
hist: Esittää bivariaattisen histogrammin kahdelle muuttujalle;
kde: Luo KDE-kaavion;
hex: Tuottaa hexbin-kaavion, jossa yksittäiset pisteet korvataan kuusikulmaisilla soluilla ja solun väri ilmaisee havaintojen tiheyttä.

Opiskele lisää

Kuten tavallista, voit tutustua lisää vaihtoehtoihin ja parametreihin jointplot() dokumentaatiossa.

Lisäksi kannattaa tutustua seuraaviin aiheisiin:
residplot() dokumentaatio;
Bivariaattisen histogrammin esimerkki;
Hexbin-kuvaajan esimerkki.

Tehtävä

Swipe to start coding

Käytä oikeaa funktiota yhteisjakaumakuvion luomiseen.
Käytä weather_df-dataa kuvion aineistona (ensimmäinen argumentti).
Aseta x-akselin muuttujaksi 'Boston' sarake (toinen argumentti).
Aseta y-akselin muuttujaksi 'Seattle' sarake (kolmas argumentti).
Aseta keskellä olevaan kuvaajaan regressiosuora (viimeinen argumentti).

Ratkaisu

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 5. Luku 5

single

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Suggested prompts:

What are the differences between the various `kind` options in `jointplot()`?

Can you explain when to use each type of plot in the middle?

How can I customize the appearance of the joint plot further?

Awesome!

Completion rate improved to 3.85

Pyyhkäise näyttääksesi valikon