seaborn के साथ श्रेणीवार सार-सांख्यिकी

Python में वित्तीय डेटा इम्पोर्ट और मैनेज करना

Stefan Jansen

Instructor

seaborn में categorical plots

श्रेणीगत और संख्यात्मक वैरिएबल के संयोजन प्लॉट करने के खास तरीके
हर श्रेणी के लिए summary statistics के अनुमानों को visualize करें
समझें कि श्रेणियाँ संख्यात्मक वैरिएबल पर कैसे असर डालती हैं
वितरण की प्रमुख metrics से तुलना करें
उदाहरण: हर Sector या IPO Year के लिए Mean Market Cap, dispersion के संकेत सहित

बेसिक्स: countplot

sns.countplot(x='Sector', data=nasdaq)
plt.xticks(rotation=45)

countplot, sorted

sector_size = nasdaq.groupby('Sector').size()
order = sector_size.sort_values(ascending=False)
order.head()

Sector
Health Care          645
Finance              627
Technology           433
...

order = order.index.tolist()

['Health Care', 'Finance', ..., 'Energy', 'Transportation']

countplot, sorted

sns.countplot(x='Sector', data=nasdaq, order=order)
plt.xticks(rotation=45)
plt.title('# Observations per Sector')

countplot, multiple categories

recent_ipos = nasdaq[nasdaq['IPO Year'] > 2014]
recent_ipos['IPO Year'] = recent_ipos['IPO Year'].astype(int)
sns.countplot(x='Sector', hue='IPO Year', data=recent_ipos)

PointPlot से stats की तुलना करें

nasdaq['IPO'] = nasdaq['IPO Year'].apply(lambda x: 'After 2000' if x > 2000 else 'Before 2000')
sns.pointplot(x='Sector', y='market_cap_m', hue='IPO', data=nasdaq)
plt.xticks(rotation=45); plt.title('Mean Market Cap')

अभ्यास करते हैं!

Python में वित्तीय डेटा इम्पोर्ट और मैनेज करना