Chào mừng đến với BIS Đăng nhập | Đăng ký | Trợ giúp
trong Tìm kiếm

Data Visualization with seaborn library in Python

Bài cuối 06-09-2019 04:53 PM của chucnv. 0 trả lời.
Trang 1 trong số 1 (1 nội dung)
Sắp xếp bài viết: Trước Tiếp theo
  • 06-09-2019 04:53 PM

    • chucnv
    • 10 thành viên năng nổ nhất
    • Tham gia 12-05-2008
    • Điểm 10,100

    Data Visualization with seaborn library in Python

    Data Visualization with seaborn library in Python

    chuc1803@gmail.com; http://bis.net.vn 

    #import libraries and load dataset (download dataset here)

    #show the dataset (the first 10 records)


    #dataset infomation


    #Pie Chart by Skill

    skill_group=data.groupby('Skill').size()

    skill_group.plot(kind='pie', figsize=[8,6], autopct='%.2f%%')

    plt.show()


    #Joint plot

    fig=sns.jointplot(x='TrainedYear',y='Salary',data=data, kind='reg')


    g = (sns.jointplot("TrainedYear", "Salary",data=data,

    color="k").plot_joint(sns.kdeplot, zorder=0, n_levels=6))


    #FacetGrid Plot

    sns.FacetGrid(data,hue='Skill',size=5)\

    .map(plt.scatter,'TrainedYear','Salary')\

    .add_legend()


    #Boxplot or Whisker plot

    sns.set(font_scale=1.6, rc={'figure.figsize':(8,6)})

    sns.boxplot(x="Skill", y="Salary", data=data)


    #Strip plot

    fig=plt.gcf()

    fig.set_size_inches(10,7)

    fig=sns.stripplot(x='Skill',y='Salary',data=data,jitter=True,                           edgecolor='gray', size=8,palette='winter',orient='v') 

     

    #Combining Box and Strip Plots

    fig=plt.gcf()

    fig.set_size_inches(10,7)

    fig=sns.boxplot(x='Skill',y='Salary',data=data)

    fig=sns.stripplot(x='Skill',y='Salary',data=data,jitter=True,edgecolor='gray')


     

    #Violin Plot

    fig=plt.gcf()

    fig.set_size_inches(10,7)

    fig=sns.violinplot(x='Skill',y='Salary',data=data)


     

    #Pair Plot

    sns.pairplot(data=data,kind='scatter')

     


     

    sns.pairplot(data,hue='Skill')


     

    #Plotting heat map

    fig=plt.gcf()

    fig.set_size_inches(10,7)

    fig=sns.heatmap(data.corr(),annot=True,cmap='cubehelix',

    linewidths=1,linecolor='k',square=True,mask=False, vmin=-1,

    vmax=1,cbar_kws={"orientation": "vertical"},cbar=True)


     

    #Distribution plot

    data.hist(edgecolor='black', linewidth=1.2)

    fig=plt.gcf()

    fig.set_size_inches(12,6)


     

    #LM PLot

    fig=sns.lmplot(x="TrainedYear", y="Salary",data=data)

    #We can plot the data with the regression line/boundary line

    sns.lmplot(x="TrainedYear", y="Salary",data=data,hue='Skill')


    sns.lmplot(x='TrainedYear',y='Salary',data=data,hue='Skill',col='Skill')


     

    #FacetGrid

    sns.FacetGrid(data, hue="Skill", size=6) \

       .map(sns.kdeplot, "Salary") \

       .add_legend()

    plt.ioff()


    #FacetGrid

    sns.FacetGrid(data, hue="Gender", size=6) \

       .map(sns.kdeplot, "Salary") \

       .add_legend()

    plt.ioff()

     Tutorial video here

    Từ khóa đại diện: ,
    • Điểm chủ đề: 20
Trang 1 trong số 1 (1 nội dung)
Powered by Community Server (Commercial Edition), by Telligent Systems