Stripplot mit Seaborn in Python
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 baut auf der Matplotlib-Bibliothek auf und ist auch eng in die Datenstrukturen von Pandas integriert.
Strip-Plot
Ein Strip-Plot wird alleine gezeichnet. Es ist eine gute Ergänzung zu einem Boxplot oder Violinplot in Fällen, in denen alle Beobachtungen zusammen mit einer Darstellung der zugrunde liegenden Verteilung angezeigt werden. Es wird verwendet, um ein Streudiagramm basierend auf der Kategorie zu zeichnen.
Syntax: seaborn.stripplot (*, x = Keine, y = Keine, Farbton = Keine, Daten = Keine, Reihenfolge = Keine, Farbtonreihenfolge = Keine, Jitter = Wahr, Ausweichen = Falsch, Orient = Keine, Farbe = Keine, Palette = Keine, Größe = 5, Kantenfarbe = 'grau', Linienbreite = 0, Axt = Keine, ** kwargs)
Parameter:
- x, y, hue: Eingaben zum Zeichnen von Langformdaten.
- Daten: Datensatz zum Plotten.
- Reihenfolge: Dies ist die Reihenfolge, in der die kategorialen Ebenen in dargestellt werden.
- Farbe: Dies ist die Farbe für alle Elemente oder der Startwert für eine Verlaufspalette
Rückgabe : Diese Methode gibt das Axes-Objekt mit dem darauf gezeichneten Plot zurück.
Beispiel: Grundlegende Visualisierung des Datensatzes "Tipps" mit stripplot()
import
seaborn
import
matplotlib.pyplot as plt
seaborn.
set
(style
=
'whitegrid'
)
tip
=
seaborn.load_dataset(
"tips"
)
seaborn.stripplot(x
=
"day"
, y
=
"total_bill"
, data
=
tip)
plt.show()
Ausgabe:
Zeichnen Sie mit Stripplot ein einzelnes horizontales Streifendiagramm
Wenn wir nur eine Datenvariable anstelle von zwei Datenvariablen verwenden, bedeutet dies, dass die Achse jede dieser Datenvariablen als Achse bezeichnet.
X bezeichnet eine x-Achse und y bezeichnet eine y-Achse.
Syntax:
seaborn.stripplot (x)
Code:
import
seaborn
import
matplotlib.pyplot as plt
seaborn.
set
(style
=
'whitegrid'
)
tips
=
seaborn.load_dataset(
"tips"
)
seaborn.stripplot(x
=
tips[
"total_bill"
])
Ausgabe:
Zeichnen Sie ein Streifendiagramm mit dem Jitter-Parameter
Jitter kann verwendet werden, um Verschiebungen entlang der horizontalen Achse bereitzustellen, was nützlich ist, wenn große Cluster von Datenpunkten vorhanden sind. Sie können die Menge an Jitter angeben (die halbe Breite der Unterstützung für einheitliche Zufallsvariablen) oder einfach True für einen guten Standard verwenden.
Syntax:
seaborn.stripplot (x, y, Daten, Jitter)
Code:
import
seaborn
import
matplotlib.pyplot as plt
seaborn.
set
(style
=
'whitegrid'
)
tips
=
seaborn.load_dataset(
"tips"
)
seaborn.stripplot(x
=
"day"
, y
=
"total_bill"
, data
=
tips, jitter
=
0.1
)
Ausgabe:
Zeichnen Sie mit der Linienbreite Umrisse um die Datenpunkte
Breite der grauen Linien, die die Plotelemente umrahmen. Immer wenn wir die Linienbreite erhöhen, erhöht sich auch der Punkt automatisch.
Syntax:
seaborn.stripplot (x, y, Daten, Linienbreite)
import
seaborn
import
matplotlib.pyplot as plt
seaborn.
set
(style
=
'whitegrid'
)
tips
=
seaborn.load_dataset(
"tips"
)
seaborn.stripplot(y
=
"total_bill"
, x
=
"day"
, data
=
tips,
linewidth
=
3
)
Ausgabe:
Wir können die Farbe mit Kantenfarbe ändern
seaborn.stripplot(y
=
"total_bill"
, x
=
"day"
, data
=
tips,
linewidth
=
2
,edgecolor
=
'green'
)
Ausgabe:
Zeichnen Sie ein Streifendiagramm mit dem Farbtonparameter
Während die Punkte in zwei Dimensionen dargestellt werden, kann dem Diagramm eine weitere Dimension hinzugefügt werden, indem die Punkte gemäß einer dritten Variablen gefärbt werden.
Syntax:
sns.stripplot (x, y, Farbton, Daten);
import
seaborn
import
matplotlib.pyplot as plt
seaborn.
set
(style
=
'whitegrid'
)
tips
=
seaborn.load_dataset(
"tips"
)
seaborn.stripplot(x
=
"sex"
, y
=
"total_bill"
, hue
=
"day"
, data
=
tips)
Ausgabe:
Zeichnen Sie jede Ebene der Farbtonvariablen an verschiedenen Stellen auf der Hauptkategorienachse
Wenn Sie die Farbtonverschachtelung verwenden, sollte die Einstellung Ausweichen auf Wahr gesetzt werden, um die Streifen für verschiedene Farbtonstufen entlang der kategorialen Achse zu trennen. Die Palette wird für die verschiedenen Ebenen der Farbtonvariablen verwendet.
Syntax:
seaborn.stripplot (x, y, Daten, Farbton, Palette, Ausweichen)
seaborn.stripplot(x
=
"day"
, y
=
"total_bill"
, hue
=
"smoker"
,
data
=
tips, palette
=
"Set2"
, dodge
=
True
)
Ausgabe:
Mögliche Werte der Palette sind:
Akzent, Akzent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r,
CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, Grüne, Grüne_r, Grau, Grau_r,
OrRd, OrRd_r, Orangen, Orangen_r, PRGn, PRGn_r, gepaart, gepaart_r, Pastell1, Pastel1_r, Pastell2,
Pastel2_r, PiYG, PiYG_r, PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r, Purpur,
Purples_r, RdBu, RdBu_r, RdGy, RdGy_r, RdPu, RdPu_r, RdYlBu, RdYlBu_r, RdYlGn, RdYlGn_r, Reds,
Reds_r, Set1, Set1_r, Set2, Set2_r, Set3, Set3_r, Spectral, Spectral_r, Wistia, Wistia_r, YlGn,
YlGnBu, YlGnBu_r, YlGn_r, YlOrBr, YlOrBr_r, YlOrRd, YlOrRd_r, afmhot, afmhot_r, Herbst, Herbst_r,
binär, binär_r, knochen, knochen_r, brg, brg_r, bwr, bwr_r, cividis, cividis_r, cool, cool_r, coolwarm,
coolwarm_r, kupfer, kupfer_r, cubehelix, cubehelix_r, flag, flag_r, gist_earth, gist_earth_r,
gist_gray, gist_gray_r, gist_heat, gist_heat_r, gist_ncar, gist_ncar_r, gist_rainbow, gist_rainbow_r,
gist_stern, gist_stern_r, gist_yarg, gist_yarg_r, gnuplot, gnuplot2, gnuplot2_r, gnuplot_r,
grau, grau_r, heiß, hot_r, hsv, hsv_r, Eisfeuer, Eisfeuer_r, Inferno, Inferno_r, Jet, Jet_r, Magma,
Zeichnen großer Punkte und unterschiedlicher Ästhetik Mit Marker und Alpha-Parameter
Wir werden Alpha verwenden, um die Transparenz des Datenpunkts zu verwalten, und Marker für Marker verwenden, um den Datenpunkt anzupassen.
import
seaborn
import
matplotlib.pyplot as plt
seaborn.
set
(style
=
'whitegrid'
)
tips
=
seaborn.load_dataset(
"tips"
)
seaborn.stripplot(x
=
"day"
, y
=
"total_bill"
, hue
=
"smoker"
,
data
=
tips, palette
=
"Set1"
, size
=
20
,
marker
=
"s"
, alpha
=
0.2
)
plt.show()
Ausgabe: