Prerrequisito: Conceptos básicos de programación de Seaborn
Seaborn es una biblioteca de visualización de datos de Python basada en matplotlib . Proporciona una interfaz de alto nivel para dibujar gráficos estadísticos atractivos e informativos. Seaborn ayuda a resolver los dos principales problemas que enfrenta Matplotlib; los problemas son?
- Parámetros predeterminados de Matplotlib
- Trabajar con marcos de datos
Como Seaborn complementa y amplía Matplotlib, la curva de aprendizaje es bastante gradual. Si conoce Matplotlib, ya está a la mitad de Seaborn.
nacido en el mar.PairGrid() :
- Cuadrícula de subparcelas para trazar relaciones por pares en un conjunto de datos.
- Esta clase asigna cada variable en un conjunto de datos a una columna y fila en una cuadrícula de varios ejes. Se pueden usar diferentes funciones de trazado a nivel de ejes para dibujar gráficos bivariados en los triángulos superior e inferior, y la distribución marginal de cada variable se puede mostrar en la diagonal.
- También puede representar un nivel adicional de condicionalización con el parámetro de tono, que traza diferentes subconjuntos de datos en diferentes colores. Esto usa el color para resolver elementos en una tercera dimensión, pero solo dibuja subconjuntos uno encima del otro y no adaptará el parámetro de tono para la visualización específica de la forma en que lo harán las funciones de nivel de eje que aceptan el tono.
seaborn.PairGrid( data, \*\*kwargs)
Seaborn.PairGrid utiliza muchos argumentos como entrada, los principales de los cuales se describen a continuación en forma de tabla:
| Argumentos | Descripción | Valor |
| datos | Marco de datos ordenado (formato largo) donde cada columna es una variable y cada fila es una observación. | Marco de datos |
| matiz | Variable en «datos» para mapear aspectos de la trama a diferentes colores. | string (nombre de variable), opcional |
| paleta | Conjunto de colores para el mapeo de la variable “tono”. Si es un dictado, las claves deben ser valores en la variable «tono». | paleta de colores dict o seaborn |
| vars | Variables dentro de «datos» para usar; de lo contrario, use cada columna con un tipo de datos numérico. | lista de nombres de variables, opcional |
| dropna | Elimine los valores faltantes de los datos antes de trazar. | booleano, opcional |
A continuación se muestra la implementación del método anterior:
Ejemplo 1:
Python3
# importing packages
import seaborn
import matplotlib.pyplot as plt
# loading dataset
df = seaborn.load_dataset('tips')
# PairGrid object with hue
graph = seaborn.PairGrid(df, hue ='day')
# type of graph for diagonal
graph = graph.map_diag(plt.hist)
# type of graph for non-diagonal
graph = graph.map_offdiag(plt.scatter)
# to add legends
graph = graph.add_legend()
# to show
plt.show()
# This code is contributed by Deepanshu Rusatgi.
Producción :
Ejemplo 2:
Python3
# importing packages
import seaborn
import matplotlib.pyplot as plt
# loading dataset
df = seaborn.load_dataset('tips')
# PairGrid object with hue
graph = seaborn.PairGrid(df)
# type of graph for non-diagonal(upper part)
graph = graph.map_upper(sns.scatterplot)
# type of graph for non-diagonal(lower part)
graph = graph.map_lower(sns.kdeplot)
# type of graph for diagonal
graph = graph.map_diag(sns.kdeplot, lw = 2)
# to show
plt.show()
# This code is contributed by Deepanshu Rusatgi.
Producción:
Publicación traducida automáticamente
Artículo escrito por deepanshu_rustagi y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA