炫意html5
最早CSS3和HTML5移动技术网站之一

Seaborn – Facet Grid

探索中等维数据的一种有用方法是在数据集的不同子集上绘制同一图的多个实例.

这种技术通常称为”格子”,或”格子”绘图,它与”小倍数”的想法有关.

要使用这些功能,您的数据必须位于Pandas DataFrame中.

绘制小数倍的数据子集

在上一章中,我们已经看到了FacetGrid示例,其中FacetGrid类有助于可视化一个变量的分布以及它们之间的关系使用多个面板在数据集的子集中分别使用多个变量.

最多可以使用三维和减去绘制FacetGrid; row,col和hue.前两个与得到的轴阵列有明显的对应关系;将色调变量视为沿深度轴的第三个维度,其中不同的级别用不同的颜色绘制.

FacetGrid 对象将数据帧作为输入并且将形成网格的行,列或色调维度的变量的名称.

变量应该是分类的,变量的每个级别的数据都将用于构面沿着那个轴.

示例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('tips')
g = sb.FacetGrid(df, col = "time")
plt.show()

输出

图形

在上面的例子中,我们刚刚初始化了 facetgrid 对象,它没有在它们上绘制任何内容.

主要方法使用 FacetGrid.map()方法可视化此网格上的数据.让我们使用直方图来查看每个子集中的提示分布.

示例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('tips')
g = sb.FacetGrid(df, col = "time")
g.map(plt.hist, "tip")
plt.show()

输出

differentiation

由于参数col,绘图的数量不止一个.我们在前面的章节中讨论过col参数.

要创建关系图,请传递多个变量名.

示例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('tips')
g = sb.FacetGrid(df, col = "sex", hue = "smoker")
g.map(plt.scatter, "total_bill", "tip")
plt.show()

输出

比率

炫意HTML5 » Seaborn – Facet Grid

Java基础教程Android基础教程