[PYTHON] Seaborn-Grundlagen für Anfänger ① Aggregiertes Diagramm der Anzahl der Daten (Countplot)

Was ist Seaborn

Eine Bibliothek zum Zeichnen von Python-Diagrammen. .. Positioniert als Wrapper-Funktion (im Lieferumfang enthaltenes Programm) von matplotlib, der bekanntesten Waage. Es ist nicht nur in der Lage, auf einfache Weise schön aussehende Grafiken zu zeichnen, sondern verfügt auch über eine Reihe von Funktionen wie die Stapelverarbeitung. Matplotlib ist für detaillierte Spezifikationen und Zeichnungen, und Seaborn ist für einfach und schön.

Vorbereitung

Installieren Sie zuerst die seaborn Bibliothek mit pip. Für Pip? Klicken Sie hier ('https://qiita.com/Yanagawa_Yoshihisa/items/35e6f70a8411277282ce').

Importieren Sie die Bibliothek. Nennen Sie seaborn`` sns und import.

python

import seaborn as sns

Ich werde das Beispiel mit Titanic-Daten ausprobieren. Wenn Sie die Titanic nicht kennen, überprüfen Sie bitte "kaggle Titanic". Erstellen Sie einen Datenrahmen mit Pandas.

python

dataframe = pd.read_csv('train.csv')

Datenanzahl (Countplot)

Dies ist die aggregierte Visualisierung der Anzahl der grundlegendsten Daten. Verwenden Sie dazu Count plot. Grundsätzlich ist die Y-Achse die Anzahl der Fälle. Geben Sie daher nur die X-Achse an. Zeichnen Sie als Beispiel die Beziehung zwischen Pclass (Raumnote) und der Anzahl der Fälle. Geben Sie "P-Klasse" für die X-Achse "x" und "Datenrahmen" für die Originaldaten "Daten" an.

python

sns.countplot(x="Pclass", data=dataframe)

Wenn Sie die Y-Achse angeben, legt sie sich hin.

python

sns.countplot(y="Pclass", data=dataframe)

Wenn Sie eine Serie hinzufügen möchten, fügen Sie "Farbton" hinzu. (Fügen Sie als Beispiel Sex zu "Farbton" hinzu.)

python

sns.countplot(y="Pclass", data=dataframe, hue='Sex')

Sie können auch die Reihenfolge und Farbe der Achsen ändern. Wenn Sie interessiert sind, überprüfen Sie dies bitte. Das Ändern des Etiketts usw. ist auch durch Ändern von matplotlib möglich, das die ursprüngliche Wrapper-Quelle ist. Dies ist jedoch kompliziert und wird weggelassen. Mit "Count Plot" sind die Vorteile möglicherweise nicht zu spüren. Ich denke, dass andere "Distplot" -Paarplots, "Joint Plots" usw. vorteilhafter sind.

Schließlich

Wie ein Anfänger verstehen kann, haben wir das notwendige Wissen bei der Implementierung von maschinellem Lernen mit Python als einfachen Artikel zusammengefasst. Das Inhaltsverzeichnis ist hier, daher hoffe ich, dass Sie auch auf andere Artikel verweisen können.