Thư viện Seaborn giúp trực quan hóa dữ liệu. Nó đi kèm với các chủ đề tùy chỉnh và giao diện cấp cao.
Biểu đồ phân tán cung cấp thông tin hạn chế, vì chúng chỉ cho chúng ta biết về sự phân bố của các giá trị trong một danh mục dữ liệu nhất định. Chúng tôi cần sử dụng một kỹ thuật khác nếu chúng tôi muốn so sánh dữ liệu hiện có trong các danh mục. Đây là lúc các ô hộp phát huy tác dụng. Đó là một cách mà sự phân phối 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 nói về cách dữ liệu khác nhau bên ngoài phần tư trên và dưới. Đây là lý do tại sao các ô hình hộp còn được gọi là ô râu.
Cú pháp của hàm boxplot
seaborn.boxplot(x, y,data,…)
Các giá trị ngoại lai trong dữ liệu được vẽ dưới dạng các điểm riêng lẻ. Đây là ví dụ -
Ví dụ
import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('iris')
sb.boxplot(x = "species", y = "petal_length", 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 cách sử dụng hàm "boxplot".
- 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.