Kombination verschiedener Optionen

Einführung in die Datenvisualisierung mit Seaborn

Erin Case

Data Scientist

Erste Schritte

Seaborn importieren:

import seaborn as sns

Matplotlib importieren:

import matplotlib.pyplot as plt

Diagramm anzeigen:

plt.show()

sns.relplot(x="x_variable_name", 
            y="y_variable_name", 
            data=pandas_df, 
            kind="scatter")

Visualisierung der Verteilung einer quantitativen Variable innerhalb von Kategorien, die durch eine kategoriale Variable definiert sind
Beispiele: Balkendiagramme, Zähldiagramme, Kastendiagramme, Punktdiagramme

sns.catplot(x="x_variable_name", 
            y="y_variable_name", 
            data=pandas_df, 
            kind="bar")

Verwendung von hue erzeugt Untergruppen, die durch unterschiedliche Farben in einem einzigen Diagramm angezeigt werden

Streudiagramm mit farbigen Punkten

¹ Waskom, M. L. (2021). seaborn: statistical data visualization. https://seaborn.pydata.org/

Verwendung von row und/oder col in relplot() oder catplot() erzeugt Untergruppen, die in separaten Unterdiagrammen angezeigt werden

Streudiagramm mit Unterdiagrammen

¹ Waskom, M. L. (2021). seaborn: statistical data visualization. https://seaborn.pydata.org/

Objekttyp	Diagrammtypen	Titel hinzufügen
`FacetGrid`	`relplot()`, `catplot()`	`g.fig.suptitle()`
`AxesSubplot`	`scatterplot()`, `countplot()` usw.	`g.set_title()`

Beschriftungen für x- und y-Achse hinzufügen:

g.set(xlabel="new x-axis label",
      ylabel="new y-axis label")

Teilstrichbeschriftungen der x-Achse drehen:

plt.xticks(rotation=90)

Einführung in die Datenvisualisierung mit Seaborn