Diagrama de dispersión usando Seaborn en Python

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 sobre la biblioteca matplotlib y también está estrechamente integrado en las estructuras de datos de pandas.
 

Gráfico de dispersión

El diagrama de dispersión se puede usar con varias agrupaciones semánticas que pueden ayudar a comprender bien un gráfico. Pueden trazar gráficos bidimensionales que se pueden mejorar asignando hasta tres variables adicionales mientras usan la semántica de los parámetros de tono, tamaño y estilo. Todos los parámetros controlan la semántica visual que se utilizan para identificar los diferentes subconjuntos. El uso de semántica redundante puede ser útil para hacer que los gráficos sean más accesibles.
 

Sintaxis: seaborn.scatterplot(x=Ninguno, y=Ninguno, hue=Ninguno, estilo=Ninguno, tamaño=Ninguno, datos=Ninguno, palette=Ninguno, hue_order=Ninguno, hue_norm=Ninguno, tamaños=Ninguno, size_order=Ninguno, size_norm=Ninguno, marcadores=Verdadero, style_order=Ninguno, x_bins=Ninguno, y_bins=Ninguno, unidades=Ninguno, estimador=Ninguno, ci=95, n_boot=1000, alpha=’auto’, x_jitter=Ninguno, y_jitter=Ninguno, legend=’brief’, ax=Ninguno, **kwargs)
Parámetros:
x, y: Variables de datos de entrada que deben ser numéricas.

datos : marco de datos donde cada columna es una variable y cada fila es una observación.

size : Variable de agrupación que producirá puntos con diferentes tamaños.

estilo : variable de agrupación que producirá puntos con diferentes marcadores.  

paleta : variable de agrupación que producirá puntos con diferentes marcadores.  

marcadores : Objeto que determina cómo dibujar los marcadores para diferentes niveles.

alfa : Opacidad proporcional de los puntos.

Devoluciones: este método devuelve el objeto Axes con el gráfico dibujado en él.
 

Crear un gráfico de dispersión

Visualicemos el conjunto de datos «fmri» usando la función seaborn.scatterplot(). Solo usaremos los parámetros x, y de la función.

Código:

import seaborn
 
 
seaborn.set(style='whitegrid')
fmri = seaborn.load_dataset("fmri")
 
seaborn.scatterplot(x="timepoint",
                    y="signal",
                    data=fmri)

Producción:
 

Agrupación de puntos de datos en función de la categoría, aquí como región y evento.

import seaborn
 
 
seaborn.set(style='whitegrid')
fmri = seaborn.load_dataset("fmri")
 
seaborn.scatterplot(x="timepoint",
                    y="signal",
                    hue="region",
                    style="event",
                    data=fmri)

Producción:

Visualización básica del conjunto de datos de «consejos» utilizando Scatterplot.

import seaborn
 
 
seaborn.set(style='whitegrid')
tip = seaborn.load_dataset('tips')
 
seaborn.scatterplot(x='day', y='tip', data=tip)

Producción:

Agrupar variables en Seaborn Scatter Plot con diferentes atributos

1. Agregar los atributos del marcador

El círculo se usa para representar el punto de datos y el marcador predeterminado aquí es un círculo azul. En la salida anterior, vemos la salida predeterminada para el marcador, pero podemos personalizar este círculo azul con atributos de marcador .

seaborn.scatterplot(x='day', y='tip', data= tip, marker = '+')

Producción:

2. Agregar los atributos de tono. 

Va a

seaborn.scatterplot(x, y, data, hue)

seaborn.scatterplot(x='day', y='tip', data=tip, hue='time')

Producción:

En el ejemplo anterior, ishasrepresentatedrepresenta

Busquemos un matiz = «día»

seaborn.scatterplot(x='day', y='tip', data=tip, hue='day')

3. Agregar los atributos de estilo.

seaborn.diagrama de dispersión (x, y, datos, estilo)

seaborn.scatterplot(x='day', y='tip', data=tip, hue="time", style="time")

Producción:

4. Agregar los atributos de la paleta.

colores _ En este ejemplo a continuación, podemos ver que la paleta puede ser responsable de generar el diagrama de dispersión con diferentes valores de mapa de colores.

Sintaxis:

seaborn.scatterplot(x, y, data, palette=”color_name”)

seaborn.scatterplot(x='day', y='tip', data=tip, hue='time', palette='pastel')

Producción:

5. Agregar atributos de tamaño.

Usando el tamaño podemos generar el punto y podemos

seaborn.scatterplot (x, y, datos, tamaño)

seaborn.scatterplot(x='day', y='tip', data=tip ,hue='size', size = "size")

Producción:

6. Agregar atributos de leyenda.

Si la leyenda es «breve», las variables numéricas de tono y tamaño se representarán con una muestra de valores espaciados uniformemente.

Si la leyenda es «completa», cada grupo obtendrá una entrada en la leyenda.

Si es False, no se agregan datos de leyenda y no se dibuja ninguna leyenda.

Sintaxis: seaborn.scatterplot(x, y, data, legend=”brief)

seaborn.scatterplot(x='day', y='tip', data=tip, hue='day',
                    sizes=(30, 200), legend='brief')

Producción:

7. Agregar atributos alfa.

seaborn.scatterplot(x, y, data, alpha=”0.2″)

seaborn.scatterplot(x='day', y='tip', data=tip, alpha = 0.1)

Producción: