Seaborn เป็นห้องสมุดที่ช่วยในการแสดงข้อมูล มันมาพร้อมกับธีมที่กำหนดเองและอินเทอร์เฟซระดับสูง ในสถานการณ์แบบเรียลไทม์ ชุดข้อมูลประกอบด้วยตัวแปรมากมาย บางครั้ง อาจจำเป็นต้องวิเคราะห์ความสัมพันธ์ของตัวแปรทุกตัวกับตัวแปรอื่นๆ ในชุดข้อมูล ในสถานการณ์เช่นนี้ การแจกแจงแบบสองตัวแปรอาจใช้เวลานานเกินไปและอาจซับซ้อนได้เช่นกัน
นี่คือที่มาของการแจกแจงแบบคู่แฝดหลายคู่ ฟังก์ชัน 'pairplot' สามารถใช้เพื่อรับความสัมพันธ์ระหว่างชุดค่าผสมของตัวแปรใน dataframe ผลลัพธ์จะเป็นพล็อตที่ไม่มีตัวแปร
ไวยากรณ์ของฟังก์ชันแพร์พล็อต
seaborn.pairplot(data,…)
ตอนนี้ให้เราเข้าใจว่าสามารถพล็อตบนกราฟได้อย่างไร -
ตัวอย่าง
import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('iris')
sb.set_style("ticks")
sb.pairplot(my_df,hue = 'species',diag_kind = "kde",kind = "scatter",palette = "husl")
plt.show() ผลลัพธ์
คำอธิบาย
- นำเข้าแพ็คเกจที่จำเป็น
- ข้อมูลที่ป้อนคือ 'iris_data' ซึ่งโหลดจากไลบรารี scikit เรียนรู้
- ข้อมูลนี้ถูกเก็บไว้ในดาต้าเฟรม
- ใช้ฟังก์ชัน "load_dataset" เพื่อโหลดข้อมูลไอริส
- ข้อมูลนี้แสดงเป็นภาพโดยใช้ฟังก์ชัน 'pairplot'
- ในที่นี้ ดาต้าเฟรมถูกจัดให้เป็นพารามิเตอร์
- ในที่นี้ พารามิเตอร์ 'kind' ถูกระบุเป็น 'kde' เพื่อให้พล็อตเข้าใจในการพิมพ์การประมาณความหนาแน่นของเคอร์เนล
- ประเภทของโครงเรื่องเรียกว่า scatterplot
- ข้อมูลนี้แสดงบนคอนโซล
