Einführung in Seaborn in Python

Dieser Beitrag ist eine grobe Einführung in das Seaborn-Modul in Python. Ich verwende es zur Datenvisualisierung in Kombination mit Pandas. Lesen Sie die Kommentare, um meinen Arbeitsablauf zu verstehen. Alle Fragen können Sie als Kommentar am Ende des Beitrags hinterlassen.

import pandas
import seaborn
import numpy
import matplotlib.pyplot as plt
JahrLandAusgang
02018Argentinien466649
12018Österreich164900
22018Belgien308493
32018Brasilien2879809
42018Kanada2020840
# Sehen wir uns auch den Schwanz an
data_df.tail()
JahrLandAusgang
8351999Ukraine1918
8361999Vereinigtes Königreich1973519
8371999Vereinigte Staaten von Amerika13024978
8381999Usbekistan44433
8391999Andere11965
# Versuchen wir es mit .describe()
data_df.describe()
JahrAusgang
zählen840.0000008.400000e+02
gemein2008.2845241.840118e+06
Standard5.7098083.407141e+06
Mindest1999,0000003.600000e+01
25%2004.0000001.633742e+05
50%2008.0000005.586175e+05
75%2013.0000001.970880e+06
max2018.0000002.901543e+07
# Diagrammgröße mit matplotlib .pyplot festlegen
plt.figure(figsize=(20,15))
# Erstellen eines Streudiagramms mit Seaborn
plot1 = seaborn.scatterplot(x="year",y="output ",hue="country", data=data_df)
# Handlungstitel hinzufügen
plot1.set_title("Produktionsleistung nach Jahr (OICA-Daten)", fontsize=22)
# x- und y-Achsenbeschriftungen hinzufügen
plot1.set_xlabel("Jahr",Schriftgröße=16)
plot1.set_ylabel("Ausgabe",Schriftgröße=16)
Text(0, 0.5, 'Ausgabe')
# Diagrammgröße mit matplotlib .pyplot festlegen
plt.figure(figsize=(20,15))
# Ticks der x-Achse um 90 Grad drehen
plt.xticks (Rotation = 90)
# Lassen Sie uns ein Boxplot-Diagramm erstellen
plot2 = seaborn.boxplot(x="country ",y="output ",data=data_df)
# Titel festlegen
plot2.set_title("Verteilung der jährlichen Produktionsleistung nach Ländern, 1999 - 2018 (OICA-Daten)",fontsize=22)
# Beschriftungen zu x- und y-Achse hinzufügen
plot2.set_xlabel("Land",Schriftgröße=16)
plot2.set_ylabel("jährliche Produktionsleistung",fontsize=16)
Text(0, 0.5, 'jährliche Produktionsleistung')
# Schwarmplots mit Seaborn
# Diagrammgröße mit matplotlib .pyplot festlegen
plt.figure(figsize=(20,15))
# Rotationsachsenstriche auf der x-Achse
plt.xticks (Rotation = 90)
# Setze den Standard-Stil der Seefahrer
seaborn.set_style("whitegrid")
# Standardkontext setzen
seaborn.set_context("talk")
# Schwarmplot erstellen
plot3 = seaborn.swarmplot(x="country ",y="output ",data=data_df,color="green")
# Titel festlegen
plot3.set_title("Jahresproduktion der Automobilindustrie nach Ländern von 1999 bis 2018, laut OICA",fontsize=22)
# Achsenbeschriftungen festlegen
plot3.set_xlabel("Land",Schriftgröße=22)
plot3.set_ylabel("jährliche Produktionsleistung",fontsize=22)
# Referenzlinie hinzufügen, mit matplotlib .pyplot
plt.axhline(data_df["output "].mean(),color="blue")
<matplotlib.lines.Line2D bei 0x2b02ec39b88>
# Zum Schluss erstellen wir noch ein Liniendiagramm
# Diagrammgröße festlegen
plt.figure(figsize=(20,15))
# Kontext auf "Papier" anpassen
seaborn.set_context("Papier")
# Erstellen Sie ein Liniendiagramm mit Seaborn
plot4 = seaborn.lineplot(x="year",y="output ",hue="country ",data=data_df)
# Titelplot hinzufügen
plot4.set_title("Zeitreihen der OICA-Produktionsleistung der Automobilindustrie, 1999 - 2018",fontsize=22)
# Achsenbeschriftungen anpassen
plot4.set_xlabel("Jahr",Schriftgröße=22)
plot4.set_ylabel("Produktionsleistung [Einheiten]",fontsize=22)
Text(0, 0.5, 'Produktionsleistung [Einheiten]')

Leave a Reply

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.

Close

Meta