Parcela de enjambre Seaborn
El gráfico de enjambre es idéntico al gráfico de tiras excepto que los bordes se modifican para que no se crucen, lo que ayuda a mostrar la visualización de los datos de manera efectiva. Un gráfico de enjambre se crea solo. Sin embargo, se prefiere usarlo junto con un recuadro, ya que se usan los títulos apropiados para indicar las dimensiones. Dibujemos los mapas de enjambre usando la función swarmplot().
Contenidos
Ejemplo 1:
Aquí creamos un gráfico de probabilidad categorizado con puntos que no se superponen. Así que usamos el método swarmplot() para crear un gráfico que contenga los valores discretos.
| 123456789101112131415161718 | importar pandas como pdimport matplotlib.pyplot como pltimport seaborn como snsdf = pd.DataFrame({«cantidad»: [15,26,17,18,15,36,27,18,25,16,17,28,15,16,17,28],»Precio»:[1900,1000,1500,1600,1300,1400,1500,1800,1100,1200,1400,1500,1600,1700,1800,1900]»Mes» : [2,3,2,3,2,3,2,3,4,4,4,5,5,5,4,3]»Tienda de fans»:[‘X’,’X’,’X’,’X’,’Z’,’Z’,’Z’,’Z’, ‘Y’,’Y’,’Y’,’Y’,’X’,’X’,’Z’,’Z’]})sns.swarmplot(datos = df, y = «precio», x = «cantidad»)plt.show() |
Al principio del código incluimos los paquetes Pandas como pd, matplotlib.pyplot como plt y Seaborn como sns. A continuación, especificamos el conjunto de datos mediante el método DataFrame(). Esta función se asigna al módulo pandas. Creamos cuatro arreglos diferentes. La primera matriz contiene la cantidad de productos agotados. La segunda matriz muestra las tasas de los productos. La tercera matriz contiene el registro del mes. La última matriz contiene datos sobre los nombres de los productos. En el siguiente paso, queremos trazar el gráfico de enjambre, por lo que llamamos a la función swarmplot(). Finalmente, usamos la función show() de la biblioteca matplotlib.pyplot.
Ejemplo #2:
Usamos el argumento Hue dentro del método swarmplot() y dividimos los segmentos para los múltiples productos en este caso. Al establecer el valor del parámetro «dodge» en verdadero, separamos los elementos. También podríamos pasar algunos parámetros adicionales usando el método swarmplot(). El parámetro de tamaño se utiliza para ajustar el «tamaño» de los elementos. Usando el atributo de paleta, cambiamos el esquema de color para grupos específicos. La opción Ancho de línea proporciona un límite en el ancho del punto definido. Apliquemos todos los parámetros anteriores en el código.
| 12345678910111213141516171819 | importar pandas como pdimport matplotlib.pyplot como pltimport seaborn como snsdf = pd.DataFrame({«cantidad»: [15,26,17,18,15,36,27,18,25,16,17,28,15,16,17,28],»Precio»:[1900,1000,1500,1600,1300,1400,1500,1800,1100,1200,1400,1500,1600,1700,1800,1900]»Mes» : [2,3,2,3,2,3,2,3,4,4,4,5,5,5,4,3]»Producto»:[‘X’,’X’,’X’,’X’,’Z’,’Z’,’Z’,’Z’, ‘Y’,’Y’,’Y’,’Y’,’X’,’X’,’Z’,’Z’]})sns.swarmplot(data = df, y = «Precio», x = «Cantidad», hue=»Producto», esquivar = Verdadero, ancho de línea = 3.5 , palette=»Set2″, size = 14)plt.show( ) |
Primero incluimos los archivos de encabezado requeridos. La biblioteca pandas está integrada como pd, matplotlib.pyplot está integrado como plt y seaborn está integrado como sns. La función DataFrame() se utiliza para proporcionar el conjunto de datos. El paquete pandas está vinculado a este método. Hacemos cuatro matrices únicas. El número de artículos agotados se muestra en la primera matriz. Los precios de los bienes se muestran en la segunda matriz. Las fechas de los meses se mantienen en la tercera matriz. Los títulos de los bienes se almacenan en la última matriz. Ahora la figura del enjambre está dibujada, así que usamos el método swarmplot(). El conjunto de datos, las etiquetas de los ejes x e y, el tono, la sobreexposición, el ancho de línea, la paleta y el tamaño son todos argumentos para este método. El valor del «tono» es el producto. El «ancho de línea» es 3.5. La «paleta» está configurada2. Y el «Tamaño» es 14. Finalizamos el código ilustrando el gráfico resultante, por lo que aplicamos el método show().
Ejemplo #3:
Cada dimensión del parámetro «Tono» está representada por un rango específico en el nivel de categoría estadística. Configuramos «Dodge» a True mientras usamos el parámetro «Hue» y aísla los elementos para múltiples variaciones de tono. El parámetro Paleta se utiliza para representar los diferentes tonos del atributo de matiz.
| 123456789101112 | import seabornimport matplotlib.pyplot as pltseaborn.set(style=»whitegrid»)tips = seaborn.load_dataset(«tips»)seaborn.swarmplot(x=»day», y=»total_bill», hue=»smoker», data= Sugerencias, paleta=»Set2″, esquivar=Verdadero)plt.show() |
Después de incluir las bibliotecas Seaborn y matplotlib.pyplot, llamamos a la función set() del paquete Seaborn. Pasamos el estilo como parámetro a esta función. Le damos al parámetro de estilo el valor «whitegrid». Muestra el color de fondo del gráfico. Ahora tenemos el marco de datos integrado, por lo que usamos la función load_dataset(). Esta función proviene del archivo de encabezado de Seaborn y toma los «consejos» como argumento. A continuación, usamos el método swarmplot() para crear el diagrama de enjambre. Aquí, como parámetros de la función, especificamos el título de ambos ejes, el valor de Hue, Data, Palette y Dodge. El eje x muestra el registro del día, mientras que el eje y muestra el registro de total_bill. Para representar el gráfico final, llamamos al método show(). El módulo matplotlib.pyplot contiene esta funcionalidad.
Ejemplo #4:
Usando el atributo «marcador» y el argumento «alfa», dibujamos los puntos sólidos y varios estilos. Usamos el atributo «alfa» para controlar la visibilidad del valor de los datos. Y aplique el argumento «marcador» al indicador para cambiar el conjunto de datos.
| 12345678910111213141516171819 | import seabornimport matplotlib.pyplot as pltseaborn.set(style=»whitegrid») tips = seaborn.load_dataset(«tips») seaborn.swarmplot(x=»day», y=»total_bill», hue=»smoker», data= Consejos, paleta=»Set2″, Tamaño=30, Marcador=»*», edgecolor=»negro», alfa=.35)plt.show() |
Aquí presentamos los frameworks Seaborn y matplotlib.pyplot. Utiliza el método set() del componente Seaborn. El estilo se proporciona como un argumento para este método. Proporcionamos a la variable de estilo el valor «whitegrid». Muestra la apariencia visual del gráfico. Tenemos la intención de obtener el marco de datos incorporado, por lo que llamamos al método de carga de conjunto de datos (). Este método se llama desde la plantilla de Seaborn y tiene un parámetro de «consejos». Luego se crea la figura del enjambre utilizando la técnica swarmplot(). Las entradas a la función son la etiqueta de ambos ejes, el valor del matiz, los datos, la paleta, el tamaño del marcador, la forma del marcador, el color del borde y el valor alfa. El eje x muestra los datos de los días, mientras que el eje y muestra el registro de la factura total. En este mapa de enjambre puedes encontrar los marcadores de la forma ‘*’ con tamaño 20. La función show() de matplotlib.pyplot se usa para trazar el gráfico final.
Conclusión
Hemos discutido las diferentes técnicas para dibujar el diagrama de enjambre en este artículo. Los gráficos de enjambre son una forma de diagrama de dispersión aplicado para mostrar datos categóricos. Evita que los elementos se superpongan. Podemos usar el método swarmplot() para trazar estos gráficos. Si el marco muestral es enorme, no podemos utilizar este tipo de gráfico.
