Nếu chúng ta muốn so sánh dữ liệu hiện có trong các danh mục, các ô hộp sẽ có tác dụng. Đó là một cách mà sự phân bố dữ liệu trong tập dữ liệu có thể được hiểu với sự trợ giúp của các phần tư. Nó bao gồm các đường thẳng đứng kéo dài từ các hộp. Những phần mở rộng này được gọi là râu. Những bộ râu này cho biết dữ liệu khác nhau như thế nào bên ngoài phần tư trên và dưới. Đây là lý do tại sao lô hộp còn được gọi là lô râu. Các điểm khác biệt trong dữ liệu được vẽ dưới dạng các điểm riêng lẻ.
Biểu đồ vĩ cầm là sự kết hợp của biểu đồ hộp với ước tính mật độ hạt nhân (KDE). Sẽ dễ dàng hơn để phân tích và hiểu cách dữ liệu đã được phân phối. Phần rộng của vĩ cầm cho biết mật độ dữ liệu cao hơn. Phần hẹp của vĩ cầm cho biết mật độ dữ liệu thấp hơn.
Phạm vi giữa các phần tư trong một ô vuông và phần dữ liệu có mật độ cao hơn nằm trong cùng một vùng trong mọi danh mục.
Cú pháp của hàm violinplot
seaborn.violinplot(x, y,data,…)
Hãy cho chúng tôi hiểu cách một biểu đồ vĩ cầm có thể được sử dụng để vẽ dữ liệu -
Ví dụ
import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('tips')
sb.violinplot(x = "day", y = "total_bill", data=my_df)
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 chức năng "violinplot".
- Tại đây, khung dữ liệu được cung cấp dưới dạng tham số.
- Ngoài ra, các giá trị x và y cũng được chỉ định.
- Dữ liệu này được hiển thị trên bảng điều khiển.