کتابخانه seaborn
آموزش Seaborn :
ابتدا کتابخانه ها را ایمپورت میکنیم :
از مجموعه داده‌ی Pokemon استفاده میکنیم. این مجموعه داده را که به فرمت فایل csv است با کمک pandas به شکل دستور زیر می‌خوانیم:
df = pd.read_csv('Pokemon.csv', index_col=0)
آرگومان index_col=0 به این معنی است که ستون اول مجموعه داده را به عنوان ستون شناسه یا همان ID در نظر می‌گیریم. پنج سطر اول مجموعه داده به شکل بالا است.
حال scatter plot را به همراه رگرسیون خطی رسم
میکنیم :
برای رسم بدون رگرسیون خطی از دستور زیر استفاده میکنیم:
مقدار fit_reg=False برای حذف رگرسیون خطی است چون تنها دنبال نمودار پراکندگی هستیم.
مقدار 'hue='Stage برای رنگ‌آمیزی نقطه‌ها است. این آرگومان بسیار کاربردی است زیرا امکان نمایش بعد سومی از اطلاعات را به کمک رنگ نشان می‌دهد.
رسم Box plot در seaborn :
رسم نمودار هیستوگرام در seaborn :
رسم نمودار میله‌ای در seaborn :
رسم نمودار چگالی در seaborn :
نمودار چگالی یا density plot چگونگی پراکندگی میان دو متغیر را نمایش می‌دهد.
کتابخانه‌های زیادی برای رسم نمودار در پایتون و مصور سازی داده‌ها موجود است. در این میان Matplotlib و Seaborn جزو پرکاربردترین این کتابخانه‌ها هستند. Seaborn بر پایه‌ی Matplotlib بنا شده، ولی نسبت به آن قواعد دستوری کوتاه‌تر و تم‌های از پیش ساخته شده‌ای دارد. Matplotlib بیشتر برای رسم نمودارهای پایه‌ای به کار می‌رود و می‌توان تنظیمات دلخواه را بر روی نحوه‌ی نمایش نمودارها اعمال کرد.
در بالا نمونه هایی از نمودار های اصلی این دو کتابخانه را بررسی کردیم. در ادامه چند لینک در ارتباط با یادگیری Seaborn و Matploylib قرار می دهیم که به شما در این مسیر کمک خواهد کرد :
https://www.youtube.com/watch?v=wdW6hA5Ktrk&t=0s
https://drhosseinpoor.ir/product/seaborn/
https://maktabkhooneh.org/course/%D8%A2%D9%85%D9%88%D8%B2%D8%B4-matplotlib-mk724/
#Learning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
@CS_KHU | انجمن علمی علوم کامپیوتر