Gráfico de trazado para el conjunto de datos IRIS usando Seaborn y Matplotlib

La biblioteca Matplotlib.pyplot se usa más comúnmente en Python en el campo del aprendizaje automático. Ayuda a trazar el gráfico de un gran conjunto de datos. No solo esto también ayuda a clasificar diferentes conjuntos de datos. Puede trazar gráficos tanto en formato 2d como 3d. Tiene una función de leyenda, etiqueta, cuadrícula, forma de gráfico, cuadrícula y muchas más que facilitan la comprensión y clasificación del conjunto de datos.
 

Seaborn proporciona un hermoso trazado gráfico con diferentes estilos que hace que nuestro conjunto de datos sea más distinguible y atractivo.
 

Instalación

Para instalar el paquete, escriba el siguiente código en la terminal de ubuntu/Linux o en el símbolo del sistema de Windows. 

pip install matplotlib
pip install seaborn

Información de atributos sobre el conjunto de datos: 

Attribute Information:
   -> sepal length in cm
   -> sepal width in cm
   -> petal length in cm
   -> petal width in cm
   -> class: 
              Iris Setosa
              Iris Versicolour
              Iris Virginica

Number of Instances: 150 

Summary Statistics:
             Min  Max   Mean    SD   Class Correlation
   sepal length: 4.3  7.9   5.84  0.83    0.7826   
    sepal width: 2.0  4.4   3.05  0.43   -0.4194
   petal length: 1.0  6.9   3.76  1.76    0.9490  (high!)
    petal width: 0.1  2.5   1.20  0.76    0.9565  (high!)

Class Distribution: 33.3% for each of 3 classes.

Para obtener los datos de Iris, haga clic aquí .
 

Gráfico de trazado para el conjunto de datos IRIS utilizando la biblioteca Seaborn y la biblioteca matplotlib.pyplot

Cargando datos 

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
 
data = pd.read_csv("Iris.csv")
   
print (data.head(10))

Producción:
 

Trazado usando Matplotlib 

import pandas as pd
import matplotlib.pyplot as plt
iris = pd.read_csv("Iris.csv")
 
plt.plot(iris.Id, iris["SepalLengthCm"], "r--")
plt.show

Gráfico de dispersión 

iris.plot(kind ="scatter",
          x ='SepalLengthCm',
          y ='PetalLengthCm')
plt.grid()

Trazado usando Seaborn 

import seaborn as sns
 
iris = sns.load_dataset('iris')
 
# style used as a theme of graph
# for example if we want black
# graph with grid then write "darkgrid"
sns.set_style("whitegrid")
 
# sepal_length, petal_length are iris
# feature data height used to define
# Height of graph whereas hue store the
# class of iris dataset.
sns.FacetGrid(iris, hue ="species",
              height = 6).map(plt.scatter,
                              'sepal_length',
                              'petal_length').add_legend()