Seabo Distplot: یک راهنمای جامع

در حالی که ما معتقدیم که این محتوا به نفع جامعه ما است ، ما هنوز آن را به طور کامل بررسی نکرده ایم. اگر پیشنهادی برای پیشرفت دارید ، لطفاً با کلیک بر روی دکمه "گزارش یک مسئله" در پایین آموزش ، به ما اطلاع دهید.

سلام ، مردمی! در این مقاله ، ما به تفصیل روی Distplot Seabo تمرکز خواهیم کرد.

Distplot Seabo چیست؟

یک طرح توزیع یا توزیع ، تغییر در توزیع داده ها را نشان می دهد. Distplot Seabo توزیع کلی متغیرهای داده مداوم را نشان می دهد.

از ماژول Seabo به همراه ماژول Matplotlib برای نشان دادن قسمت با تغییرات مختلف در آن استفاده می شود. Distplot داده ها را توسط یک هیستوگرام و یک خط در ترکیب با آن نشان می دهد.

ایجاد یک قسمت دریایی

ماژول Python Seabo شامل توابع مختلفی برای ترسیم داده ها و ترسیم تغییرات داده ها است. تابع Seabo. distplot () برای ترسیم distplot استفاده می شود. distplot نشان دهنده توزیع تک متغیره داده ها یعنی توزیع داده های یک متغیر در برابر توزیع چگالی است.

نحو:

تابع Seabo. distplot () متغیر داده را به عنوان یک آرگومان می پذیرد و طرح را با توزیع چگالی باز می گرداند.

مثال 1:

ما از تابع numpy. random. randn () برای تولید مقادیر داده تصادفی استفاده کرده ایم. علاوه بر این ، از تابع pyplot. show () استفاده می شود که طرح را نشان می دهد.

خروجی:

ایجاد یک تقطیر

مثال 2:

تابع pandas. read_csv () مجموعه داده را به محیط پایتون بار می دهد.

خروجی:

ایجاد یک distplot با استفاده از مجموعه داده

اضافه کردن برچسب ها به محور distplot

با تبدیل مقادیر داده به یک سری Pandas با استفاده از نحو زیر ، می توان با برچسب محور را با برچسب محور تهیه کرد:

نحو:

سری Pandas شامل یک پارامتر "نام" برای تنظیم برچسب محور داده است.

مثال:

خروجی:

ایجاد یک قطعه با استفاده از سری

Distplot Seabo همراه با طرح تخمین تراکم هسته

Distplot Seabo همچنین می تواند همراه با طرح برآورد چگالی هسته برای برآورد احتمال توزیع متغیرهای مداوم در مقادیر مختلف داده باشد.

نحو:

پارامتر KDE برای فعال کردن طرح چگالی هسته به همراه Distplot تنظیم شده است.

مثال:

خروجی:

distplot با KDE

تجسم داده ها با Seabo Distplot به همراه طرح فرش

ما می توانیم از Seabo Distplot به همراه طرح فرش نقشه برداری کنیم تا توزیع داده ها در برابر سطل ها با توجه به متغیر داده های یک متغیره را نشان دهیم. طرح فرش توصیف توزیع داده ها به صورت سطل را نشان می دهد.

نحو:

پارامتر "فرش" باید درست تنظیم شود تا توزیع نقشه فرش را فعال کند.

مثال:

خروجی:

distplot با طرح فرش

نقشه برداری از Seabo Distplot در امتداد محور عمودی

با استفاده از نحو زیر می توان کل distplot را در محور Y ترسیم کرد:

نحو:

پارامتر "عمودی" باید درست تنظیم شود تا دیجیتال روی محور y ترسیم شود.

مثال:

خروجی:

فاصله با محور عمودی

تنظیم یک سبک متفاوت با استفاده از عملکرد Seabo. set ()

Seabo دارای تعدادی از کارکردهای داخلی برای افزودن ویژگی های پس زمینه اضافی به توطئه ها است. از تابع Seabo. Set () برای تنظیم زمینه های مختلف در توطئه های توزیع استفاده می شود.

نحو:

مثال :

خروجی:

تقطیر با پس زمینه های مختلف

تنظیم رنگ سفارشی به Seabo Distplot

ما می توانیم رنگ های مختلفی را روی distplot تنظیم کنیم تا با استفاده از پارامتر "رنگ" از عملکرد Seabo. DistPlot () به تجسم داده ها اضافه کنیم.

نحو:

مثال:

خروجی:

تقطیر با رنگ متفاوت

نتیجه

بنابراین ، ماژول Seabo به همراه ماژول Matplotlib به تجسم داده ها کمک می کند و توزیع داده ها را نشان می دهد.

من به همه خوانندگان توصیه می کنم که ماژول Python Matplotlib را بخوانند تا اصول تجسم داده ها را درک کنند.

منابع

اگر از این آموزش و جامعه گسترده تر ما لذت بردید ، در نظر بگیرید که محصولات دیجیتالی ما را بررسی کنید که می تواند به شما در دستیابی به اهداف توسعه خود نیز کمک کند.