Tworzenie wizualizacji w Seaborn

Wprowadzenie do Pythona w Power BI

Jacob H. Marquez

Data Scientist

Wykresy z pakietem Seaborn

Wykres liniowy danych o lotach według roku, z podziałem na miesiące.

¹ https://seaborn.pydata.org/generated/seaborn.lineplot.html

Wykres parowy z czterema kolumnami i czterema wierszami.

¹ https://seaborn.pydata.org/generated/seaborn.pairplot.html

Wykres złączony przedstawiający długość dzioba a głębokość dzioba.

¹ https://seaborn.pydata.org/generated/seaborn.jointplot.html

Histogram wzrostu ludzi. Rozkład normalny.

¹ https://seaborn.pydata.org/generated/seaborn.histplot.html

Histogram z prawostronną skośnością – większość obserwacji po lewej stronie.

Histogram z lewostronną skośnością – większość obserwacji po prawej stronie.

Histogram rozkładu dwumodalnego

Losowa chmura punktów bez widocznej zależności.

Wykres punktowy z dodatnią zależnością – punkty przesuwają się w prawo i w górę.

Wykres punktowy z ujemną zależnością – punkty przesuwają się w prawo i w dół.

Wykres złączony z wykresem punktowym pośrodku oraz dwoma histogramami – u góry i po prawej stronie.

seaborn.jointplot(
    x = "x",
    y = "y", 
    data = DataFrame
    )

Wykres parowy z czterema kolumnami i czterema wierszami.

seaborn.pairplot(
    data = DataFrame
    )

import matplotlib.pyplot as plt
import seaborn as sns

# Data transformation steps
...

seaborn.___plot(
    data = DataFrame,
      ...
    )

plt.show()

Wprowadzenie do Pythona w Power BI