Seaborn ist eine erstaunliche Visualisierungsbibliothek für das statistische Zeichnen von Grafiken in Python. Es bietet schöne Standardstile und Farbpaletten, um statistische Diagramme attraktiver zu machen. Es basiert auf der Matplotlib- Bibliothek und ist eng in die Datenstrukturen von Pandas integriert .
Seaborn möchte die Visualisierung zum zentralen Bestandteil des Erforschens und Verstehens von Daten machen. Es bietet datensatzorientierte APIs, sodass wir zum besseren Verständnis des Datensatzes zwischen verschiedenen visuellen Darstellungen für dieselben Variablen wechseln können.

Verschiedene Grundstückskategorien in Seaborn 

Diagramme werden grundsätzlich zur Visualisierung der Beziehung zwischen Variablen verwendet. Diese Variablen können entweder vollständig numerisch oder eine Kategorie wie eine Gruppe, Klasse oder Division sein. Seaborn unterteilt das Grundstück in die folgenden Kategorien: 
 

  • Relationale Diagramme: Dieses Diagramm wird verwendet, um die Beziehung zwischen zwei Variablen zu verstehen.
  • Kategoriale Diagramme: Dieses Diagramm behandelt kategoriale Variablen und wie sie visualisiert werden können.
  • Verteilungsdiagramme: Dieses Diagramm wird zur Untersuchung univariater und bivariater Verteilungen verwendet
  • Regressionsdiagramme: Die Regressionsdiagramme bei Meeresgeborenen sollen in erster Linie einen visuellen Leitfaden hinzufügen, mit dessen Hilfe Muster in einem Datensatz während explorativer Datenanalysen hervorgehoben werden können.
  • Matrixdiagramme : Ein Matrixdiagramm ist ein Array von Streudiagrammen.
  • Raster mit mehreren Plots: Es ist ein nützlicher Ansatz, mehrere Instanzen desselben Plots in verschiedenen Teilmengen des Datasets zu zeichnen .

Installation

Für die Python-Umgebung: 

Pip installieren Seaborn

Für Conda-Umgebung: 

conda install seaborn

Abhängigkeiten 

  • Python 3.6+ 
  • numpy (> = 1.13.3) 
  • scipy (> = 1.0.1)
  • Pandas (> = 0,22,0)
  • matplotlib (> = 2.1.2) 
  • Statistikmodell (> = 0,8,0)

Einige Grundstücke mit Seaborn

Dist-Plot:   Seaborn- Dist-Plot wird verwendet, um ein Histogramm mit einigen anderen Variationen wie Kdeplot und Rugplot zu zeichnen.
 



import numpy as np 
import seaborn as sns 
  
  
sns.set(style="white") 
  
rs = np.random.RandomState(10) 
d = rs.normal(size=100) 
  
sns.distplot(d, kde=True, color="m")

Ausgabe: 

Liniendiagramm:  Das Liniendiagramm ist eines der grundlegendsten Diagramme in der Seebibliothek. Dieses Diagramm wird hauptsächlich verwendet, um die Daten in Form einiger Zeitreihen zu visualisieren, dh auf kontinuierliche Weise.
 

import seaborn as sns 
  
  
sns.set(style="dark") 
fmri = sns.load_dataset("fmri") 
  
sns.lineplot(x="timepoint", 
             y="signal", 
             hue="region", 
             style="event", 
             data=fmri)

Ausgabe : 

Lmplot:   Der lmplot ist ein weiterer grundlegender Plot. Es zeigt eine Linie, die ein lineares Regressionsmodell zusammen mit Datenpunkten im 2D-Raum darstellt, und x und y können als horizontale bzw. vertikale Beschriftung festgelegt werden.
 

import seaborn as sns 
  
sns.set(style="ticks") 
  
df = sns.load_dataset("anscombe") 
  
sns.lmplot(x="x", y="y", data=df)

Ausgabe :