Visualización de datos con Pairplot Seaborn y Pandas

Pandas y Seaborn

pandas

Pandas Ofrece herramientas para limpiar y procesar sus datos. Es la biblioteca de Python más popular que se utiliza para el análisis de datos. En pandas, una tabla de datos se llama marco de datos.

Entonces, comencemos con la creación de un marco de datos de Pandas:

Ejemplo 1:

# Python code demonstrate creating 
    
import pandas as pd
    
# initialise data of lists.
data = {'Name':[ 'Mohe' , 'Karnal' , 'Yrik' , 'jack' ],
        'Age':[ 30 , 21 , 29 , 28 ]}
    
# Create DataFrame
df = pd.DataFrame( data )
    
# Print the output.
display(df)

Producción:

Ejemplo 2: cargue los datos CSV del sistema y muéstrelos a través de pandas.

# import module
import pandas
 
# load the csv
data = pandas.read_csv("nba.csv")
 
# show first 5 column
data.head()

Producción:

seaborn.pairplot()

seaborn.pairplot(datos, \*\*kwargs)

Parámetro:

# importing packages
import seaborn
import matplotlib.pyplot as plt
 
# loading dataset using seaborn
df = seaborn.load_dataset('tips')
 
# pairplot with hue sex
seaborn.pairplot(df, hue ='size')
plt.show()

Producción:

Visualización de datos con Pairplot Seaborn y pandas

Vemos cómo crear pandas dataframe y Pairplot. Visualizaremos datos con pairplot usando pandas

Ejemplo 1: 

En este ejemplo, simplemente trazaremos un diagrama de pares con el marco de datos pandas. Aquí simplemente estamos cargando datos nba.csv y creando un marco de datos y pasando como argumentos en un diagrama de pares.

# importing packages
import seaborn
import pandas
 
# load the csv
data = pandas.read_csv("nba.csv")
 
# pairplot
seaborn.pairplot(data)

Producción:

Ejemplo 2:

En este ejemplo, utilizaremos atributos de tono para la visualización de una columna específica.

# importing packages
import seaborn
import pandas
 
# load the csv
data = pandas.read_csv("nba.csv")
seaborn.pairplot(data.head(), hue = 'Age')

Producción:

Ejemplo 3:

En este ejemplo, pasaremos dplot_kws y

# importing packages
import seaborn
import pandas
# load the csv
data = pandas.read_csv("nba.csv")
 
seaborn.pairplot(data, hue = 'Age', diag_kind = 'kde',
             plot_kws = {'edgecolor': 'k'}, size = 4)

Producción: