Gráfico de cuadrícula en Python usando Seaborn

Las cuadrículas son tipos generales de diagramas que le permiten asignar tipos de diagramas a filas y columnas de cuadrículas, lo que le ayuda a crear diagramas separados por caracteres similares. En este artículo, usaremos dos conjuntos de datos diferentes (Iris y Tips) para demostrar gráficos de cuadrícula

Uso del conjunto de datos de Iris

Vamos a utilizar el conjunto de datos Iris, que es un conjunto de datos muy famoso disponible como conjunto de datos integrado. Contiene una medida de un ramo de diferentes lirios (flores). El conjunto de datos consta de cuatro medidas: distancia del sépalo, peso del sépalo, longitud del pétalo y ancho del pétalo. Usaremos el siguiente fragmento de código para todos los ejemplos que se usan a continuación.

Fragmento de código:

import seaborn as sns
import matplotlib.pyplot as plt
  
  
iris = sns.load_dataset("iris")
iris.head()
  
# YOUR CODE HERE

Producción:

Nota: Coloque los fragmentos de código a continuación en el lugar de SU CÓDIGO AQUÍ.

Parcela Parcela

Pair Plot es como un gráfico conjunto automatizado para todo el conjunto de datos. En una muestra, una gráfica de pares mapea una asociación por pares. El pairplot()método genera un mapa de ejes, de modo que cada vector de datos se distribuye en una sola fila en el eje y y en una sola columna en el eje x. Eso genera parcelas como se muestra a continuación.

sns.pairplot(data = iris)

Usamos ‘tono’ para visualizar colores independientes para cada tipo de ‘especies’ en la trama. Y la paleta se usa para personalizar los colores de la trama como se muestra a continuación.

sns.pairplot(iris, hue="species", palette="rainbow")

Cuadrícula de pares

Podemos personalizar la gráfica de pares usando el mecanismo PairGrid de seaborn. PairGrid toma todas las columnas numéricas y las cuadricula creando subparcelas como se muestra a continuación.

sns.PairGrid(data = iris)

Podemos mapear a la grilla llamando a ‘.map’ fuera de ella. Aquí hemos llamado al diagrama de dispersión ‘.scatter’. Ahora todas las cuadrículas serán del tipo diagrama de dispersión. Podemos definir el tipo de parcela que queremos en las grillas usando el ‘.map’.

g = sns.PairGrid(iris)
g.map(plt.scatter) #All the grids plot scatter plot

Para mapear en la cuadrícula superior, la cuadrícula inferior y la cuadrícula diagonal llamamos ‘.map_upper’, ‘.map_lower’, ‘.map_diag’ fuera de PairGrid. Aquí podemos ver que las diagonales son de tipo ‘hist’, la cuadrícula superior es de tipo ‘disperso’ y la cuadrícula inferior es de tipo ‘kde’.

g = sns.PairGrid(iris)
g.map_diag(plt.hist)
g.map_upper(plt.scatter)
g.map_lower(sns.kdeplot)

Uso del conjunto de datos de sugerencias

Vamos a utilizar otro conjunto de datos integrado. El conjunto de datos consta de siete características: factura total, propina, sexo, fumador, día, hora, tamaño. Usaremos el siguiente fragmento de código para todos los ejemplos que se usan a continuación.

Fragmento de código :

import seaborn as sns
import matplotlib.pyplot as plt
  
  
tips = sns.load_dataset("tips")
tips.head()
  
# YOUR CODE HERE

Producción:

Nota: Coloque los fragmentos de código a continuación en el lugar de SU CÓDIGO AQUÍ .

FacetGrid

FacetGrid es una forma general de crear cuadrículas de gráficos basadas en una función. Su objeto utiliza el marco de datos como entrada y los nombres de las variables que dan forma a las dimensiones de fila, columna o color de la cuadrícula. 

Aquí podemos ver, ya que hay dos tipos de valores en la columna fumador que es fumador = No y fumador = Sí, por lo que esto crea dos filas en la cuadrícula, una para fumador = Sí y otra para fumador = No. Para las columnas, como hay dos tipos de valores en la columna de tiempo, que es tiempo = Almuerzo y tiempo = Cena, por lo que esto crea dos columnas en la cuadrícula, una para tiempo = Almuerzo y otra para tiempo = Cena.

g = sns.FacetGrid(tips, col="time", row="smoker")

Las facturas totales se trazan como hist en la cuadrícula que creamos usando ‘mapa’.

g = sns.FacetGrid(tips, col="time",  row="smoker")
g = g.map(plt.hist, "total_bill")

Aquí hemos definido el tono como sexo y también trazamos un gráfico de dispersión donde el eje X es total_bill y el eje Y es yip.

g = sns.FacetGrid(tips, col="time",  row="smoker", hue='sex')
g = g.map(plt.scatter, "total_bill", "tip").add_legend()

Rejilla conjunta

JointGrid es la versión general para el tipo de cuadrícula de jointplot(). Jointplot de Seaborn muestra una relación en los márgenes entre 2 variables (bivariante) y perfiles 1D (univariante). Este gráfico es una forma de producto que envuelve el JointGrid.

g = sns.JointGrid(x="total_bill", y="tip", data=tips)

g = sns.JointGrid(x="total_bill", y="tip", data=tips)
g = g.plot(sns.regplot, sns.distplot)