Seaborn là một thư viện giúp trực quan hóa dữ liệu. Nó đi kèm với các chủ đề tùy chỉnh và giao diện cấp cao. Trong các tình huống thời gian thực, tập dữ liệu chứa nhiều biến. Đôi khi, có thể được yêu cầu phân tích mối quan hệ của mọi biến với mọi biến khác trong tập dữ liệu. Trong những tình huống như vậy, phân phối hai biến có thể mất quá nhiều thời gian và cũng có thể trở nên phức tạp.
Đây là lúc hình ảnh phân phối đa biến song song theo cặp. Hàm 'pairplot' có thể được sử dụng để nhận mối quan hệ giữa các kết hợp của các biến trong khung dữ liệu. Đầu ra sẽ là một biểu đồ đơn biến.
Cú pháp của hàm cặp số
seaborn.pairplot(data,…)
Bây giờ hãy để chúng tôi hiểu cách nó có thể được vẽ trên biểu đồ -
Ví dụ
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()
Đầu ra
Giải thích
- Các gói bắt buộc đã được nhập.
- Dữ liệu đầu vào là 'iris_data' được tải từ thư viện học scikit.
- Dữ liệu này được lưu trữ trong một khung dữ liệu.
- Hàm 'load_dataset' được sử dụng để tải dữ liệu mống mắt.
- Dữ liệu này được hiển thị trực quan bằng cách sử dụng hàm "pairplot".
- Tại đây, khung dữ liệu được cung cấp dưới dạng tham số.
- Ở đây, tham số "kind" được chỉ định là "kde" để biểu đồ hiểu để in ước tính mật độ hạt nhân.
- Loại biểu đồ được đề cập là biểu đồ phân tán.
- Dữ liệu này được hiển thị trên bảng điều khiển.