TechCodeview

En este artículo, discutiremos cómo podemos crear un trama de conteo usando la biblioteca seaborn y cómo se pueden usar los diferentes parámetros para inferir resultados a partir de las características de nuestro conjunto de datos.

Biblioteca Seaborn

La biblioteca seaborn es ampliamente utilizada entre los analistas de datos, la galaxia de gráficos que contiene proporciona la mejor representación posible de nuestros datos.

La biblioteca seaborn se puede importar a nuestro entorno de trabajo usando:

 import seaborn as sns 

Analicemos ahora por qué utilizamos el diagrama de conteo y cuál es el significado de sus parámetros.

Trama de conteo

El gráfico de conteo se utiliza para representar la ocurrencia (recuentos) de la observación presente en la variable categórica.

Utiliza el concepto de gráfico de barras para la representación visual.

Parámetros-

Los siguientes parámetros se especifican cuando creamos un gráfico de conteo, tengamos una breve idea de ellos:

X y Y-Este parámetro especifica los datos a los que nos referimos para la representación y luego observa los patrones resaltados.color-Este parámetro especifica el color que puede darle una buena apariencia a nuestra trama.paleta-Toma el valor de la paleta. Se utiliza principalmente para mostrar la variable de tono.matiz-Este parámetro especifica el nombre de la columna.datos-Este parámetro especifica el marco de datos que nos gustaría tomar para la representación. Por ejemplo, los datos pueden ser una matriz.esquivar-Este parámetro es opcional y acepta un valor booleano como entrada.saturación-Este parámetro acepta un valor flotante. Se puede observar una variación en la intensidad de los colores cuando especificamos esto.hue_order-El parámetro hue_order toma cadenas como entrada.kwargs-El parámetro kwargs especifica las asignaciones de claves y valores.hacha-El parámetro ax es opcional y se utiliza para tomar ejes en los que se crean los gráficos.orientar-El parámetro orientar es opcional e indica la orientación del gráfico que necesitamos, horizontal o vertical.

Veamos ahora cuáles son las diferentes formas de representar nuestros atributos.

En el primer ejemplo, crearemos un diagrama de conteo para una sola variable. Hemos tomado los 'consejos' del conjunto de datos para implementar lo mismo.

1. El valor cuenta para una sola variable

Ejemplo -

mapa hash

 import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'tips' df=pd.read_csv('/content/tips.csv') #plotting the graph sns.countplot(x='sex',data=df) plt.show() 

Producción:

En el siguiente ejemplo, usaremos el parámetro de tono y crearemos un gráfico de conteo.

El siguiente programa ilustra lo mismo:

2. Representar dos variables categóricas utilizando el parámetro de tono

Ejemplo -

 import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'tips' df=pd.read_csv('/content/tips.csv') #plotting the graph sns.countplot(x='sex',hue='smoker',data=df) plt.show() 

Producción:

En el siguiente ejemplo, consideraremos el eje y y crearemos un gráfico de conteo horizontal.

El siguiente programa ilustra lo mismo:

3. Creando Parcelas Horizontales

Ejemplo -

 import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'tips' df=pd.read_csv('/content/tips.csv') #plotting the graph sns.countplot(y='sex',hue='smoker',data=df) plt.show() 

Producción:

tabla ascii java

Veamos ahora cómo las paletas de colores pueden mejorar la presentación de nuestros datos.

En el siguiente ejemplo, usaremos el parámetro 'paleta'.

El siguiente programa ilustra lo mismo:

4. Usar paletas de colores

Aporte-

 import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'tips' df=pd.read_csv('/content/tips.csv') #plotting the graph sns.countplot(x='sex', data=df, palette='Set1') plt.show() 

Producción:

En el siguiente ejemplo, usaremos el parámetro color y veremos cómo funciona.

El siguiente programa ilustra lo mismo:

5. Usando un parámetro 'color'

Ejemplo -

 import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'train' df=pd.read_csv('/content/train.csv') #plotting the graph sns.countplot(x='Pclass',hue='Sex', data=df, color='green') plt.show() 

Producción:

Ahora usaremos el parámetro 'saturación' y veremos cómo afecta la representación de nuestros datos.

El siguiente programa ilustra lo mismo:

6. Usando el parámetro 'saturación'

Ejemplo -

 import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'train' df=pd.read_csv('/content/train.csv') #plotting the graph sns.countplot(x='Pclass',data=df, color='green', saturation=0.1) plt.show() 

Producción:

Y finalmente en el último ejemplo usaremos los parámetros ancho de línea y color de borde.

Usando matplotlib.axes.Axes.bar()

Ejemplo -

 import matplotlib.pyplot as plt import seaborn as sns import pandas as pd #loading the dataset 'train' df=pd.read_csv('/content/train.csv') sns.countplot(x='Sex', data=df, color='green', facecolor=(0,0,0,0), linewidth=5, edgecolor=sns.color_palette('BrBG',2)) plt.show() 

Producción: