Seabornプロフィール
matplotlibのは、おそらくグラフィックスの最高のPythonベースのライブラリです。しかし、それはだよりAPIの数、それはより複雑です。
Seabornはmatplotlibのコアライブラリをベースとより高度なパッケージでした。あなたは、より高度なグラフィックスを描画することができます。
Seabornの基本的な使用
Seabornので、ベースのmatplotlibのを開発しています。私たちは、APIのmatplotlibのをseaborn通常の使用を使用するようにします。プラスいくつかの簡単な関数はSeabornことができます。
import seaborn as sns
sns.set()
Seaborn描画APIの概要
もちろんSNのも、あなたが直接SNSのAPIを使用することができ、描画APIが付属しています。
まず、Seaborn描画APIは、2つのカテゴリに分けることができます知っている必要があります:
- 図レベルようrelplotとして、。
- 軸レベルは、このような散布及びlineplotとして。
2間のレベルの違いは、迅速なアプリケーションに適した怠け者のように、その数字レベルの関数、です。軸プロットは、より柔軟かつ緊密な統合を実現matplotlibのを達成することができます。
しかし、これらのAPIの使用はほとんど同じです。例えば、それらはすべて同じ性質を持っています:
- データ属性:オブジェクトの種類を選択してください。
- xとyのプロパティ:xおよびy軸は、図に示すようにそのデータを選択します。
- 色相:各セグメント又は散乱染色します。
- スタイル:各線やプロットした点をフォーマットします。
協会グラフ
それは相関分析に来るとき、私たちはどのようなAPIを使用することができます
- 再プロット:図を描く(描くことができます散乱をあなたが描くことができ、線グラフを、デフォルトは散乱を塗られて、あなたができる種類のプロパティを指定してどのような言葉のグラフィックスを選択します)
- 散布図:特別引出散布図。
- lineplot:折れ線グラフを描画するよう努めています。
部門の地図
(私はこれらの数字が似ていると思います。)
-
散布カテゴリー:
stripplot()
(kind="strip"
)
swarmplot()
(kind="swarm"
)
-
カテゴリープロファイル:
boxplot()
(kind="box"
)
violinplot()
(kind="violin"
)
boxenplot()
(kind="boxen"
)
-
カテゴリー推定マップ:
pointplot()
(kind="point"
)
barplot()
(kind="bar"
)
countplot()
(kind="count"
)
プロファイル
私たちは、の分布を通して見ることができ、変数の分布。一般的には単一の変数分布(これは何も使用しないようです)に分け、複数の変数の分布(基本的に2つの変数があり、二つ以上の変数が直感的な視覚的なパターンを描画することは困難である)
が、正直次の図は、とない分布関数(CDF)が、離散ランダム変数PMF画像。CDPは、ノンドロップしなければならないので。
A.チェック単変量分布
sns.distplot(iris["sepal_length"])
多変量分布我々一般的に適用jointplot機能を表示します。
II。カーネル密度推定機能
sns.jointplot(x="sepal_length", y="sepal_width", data=iris, kind="kde")
III。図六角数
sns.jointplot(x="sepal_length", y="sepal_width", data=iris, kind="hex")
四。Pairplot
これは、最も強力なseaborn APIでなければなりません。すべての機能をすべて引き出され二十から二をマッピングすることができます:
sns.pairplot(iris, hue="species")
行列
図2の行列最も一般的に図であるheatmap
し、clustermap
ここで:
heatmap
変数間の相関関係を研究するために、ヒートマップを描画するために使用されます。clustermap
これは、階層的クラスタリング手法を使用することです。