Seaborn es una increíble biblioteca de visualización para el trazado de gráficos estadísticos en Python. Proporciona hermosos estilos predeterminados y paletas de colores para hacer que los gráficos estadísticos sean más atractivos. Está construido en la parte superior de la biblioteca matplotlib y también está estrechamente integrado en las estructuras de datos de pandas .
Seaborn tiene como objetivo hacer que la visualización sea la parte central de la exploración y comprensión de los datos. Proporciona API orientadas a conjuntos de datos, de modo que podemos cambiar entre diferentes representaciones visuales para las mismas variables para una mejor comprensión del conjunto de datos.
En este artículo, vamos a agregar un contorno o color de borde a un histograma. La tarea se puede realizar utilizando el método seaborn.distplot() .
Sintaxis: seaborn.distplot(aSeries)
Parámetros
- aSerie, array 1d o lista: datos observados. Si se trata de un objeto Serie con un atributo de nombre, el nombre se utilizará para etiquetar el eje de datos.
- binsargument para matplotlib hist(), o Ninguno, opcional: Especificación de hist bins. Si no se especifica, se utiliza una regla de referencia que intenta encontrar un valor predeterminado útil.
- colormatplotlib color, opcional: color para trazar todo menos la curva ajustada.
- string de etiquetas, opcional: Etiqueta de leyenda para el componente relevante de la trama.
- Eje axmatplotlib, opcional: si se proporciona, trace en este eje.
Devoluciones
- axmatplotlib Axes: devuelve el objeto Axes con el gráfico para realizar más ajustes.
Principalmente vamos a utilizar los parámetros hist_kws de este método como color de borde, color, ancho de línea, etc. , ya que trata con el contorno y los bordes del histograma, toma un valor de diccionario.
A continuación se muestran algunos ejemplos que muestran cómo agregar un contorno o un color de borde al histograma:
Ejemplo 1:
A continuación se muestra el conjunto de datos a través del cual se ilustrará el histograma:
Python3
# import required modules import seaborn from vega_datasets import data # assign dataset dataset = data.co2_concentration() # display dataset dataset.sample(n=5)
Producción:
Ahora ilustrando un histograma y también añadiéndole un contorno.
Python3
# depict illustration seaborn.distplot(dataset['CO2'])
Producción:
Además, ilustrar un histograma y agregarle un color de borde.
Python3
# depict illustration sns.distplot(dataset['CO2'], hist_kws=dict(edgecolor="green", linewidth=5))
Producción:
Ejemplo 2:
Aquí hay otro conjunto de datos a través del cual se representará un histograma:
Python3
# import required modules import seaborn from vega_datasets import data # assign dataset dataset = data.la_riots() # display dataset dataset.sample(n=5)
Ahora abajo está la ilustración:
Python3
# depict illustration sns.distplot(dataset['age'], hist_kws={'color':'green', 'edgecolor':'black', 'linewidth':2, 'linestyle':'--'})
Producción:
Ejemplo 3:
Aquí hay otro ejemplo para agregar un color de contorno o borde a un histograma.
Python3
# import required modules import seaborn from vega_datasets import data # assign dataset dataset = data.seattle_weather() # display dataset dataset.sample(n=5) # depict illustration sns.distplot(dataset['temp_min'], hist_kws={'color': 'black', 'edgecolor': 'green', 'linewidth': 5})
Producción:
Publicación traducida automáticamente
Artículo escrito por riturajsaha y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA