今日の勉強内容

1. Seaborn

1. Seaborn

Matplotlibベースの統計的可視化ライブラリは、複数のカスタマイズと簡単な構文と簡潔な設計を備えています.

可視化の目的と方法に基づいてAPIを分類する

Categorical API

Distribution API

Realational API

Regression API

Multiples API

Theme API

Categorical API

Countplot

Seabornの分類APIにおける古典的な可視化方法

sns.countplot(x='column', data = datas, hue='split_column', order=sorted())

hueは、色に基づいてデータ分割基準を決定するために使用される.

注文書に記載された順序で注文できます.

統計量

Count:データ量
Mean:平均値
Std:標準偏差
四分位数:データの四等分観測値(25%,50%75%)

Box Plot

の間の矩形はそれぞれ25%、medium、50%であり、

を表す.

矩形間(25%〜75%)を四分位数範囲と呼ぶ.

25%と75%の値のうち、それぞれ−1.5倍と1.5倍の値をヒゲ(枠)とし、範囲外の値をOutlierと呼ぶ.

fig, ax = plt.subplots(1,1, figsize=(10, 5))
sns.boxplot(x='column1', y='column2', data=datas,
            hue='split_column', 
            order=sorted(),
            width=0.3,
            linewidth=2,
            fliersize=10, #outlier 점의 크기
            ax=ax)
plt.show()

Violin Plot

Box Plotと比較して、

は実際の分布を記述するのに適しています.

IQRを表す方法はいろいろあります.

bw:分布表示の具体値

cut:境界値

を設定する

inner:内部IQR表示法

fig, ax = plt.subplots(1,1, figsize=(12, 5))
sns.violinplot(x='column1', data=datas, ax=ax,
               bw=0.1,
               cut=0,
               inner='quartile'
              )
plt.show()

Distribution API

hisplot:ヒストグラム

kdeplot : Kernel Densitiy Estimate

ecdfplot:積算密度関数

カーペット:直線の密度関数

を使用

fig, axes = plt.subplots(2,2, figsize=(12, 10))
axes = axes.flatten()
sns.histplot(x='math score', data=student, ax=axes[0])
sns.kdeplot(x='math score', data=student, ax=axes[1]) #곡선 보간
sns.ecdfplot(x='math score', data=student, ax=axes[2])
sns.rugplot(x='math score', data=student, ax=axes[3])

Relation & Regression

Scatter Plot

スタイル、色調、サイズ設定可能

fig, ax = plt.subplots(figsize=(7, 7))
sns.scatterplot(x='column1', y='column2', data=data,
                hue='race/ethnicity')             

Line Plot

fig, ax = plt.subplots(1, 1,figsize=(12, 7))
sns.lineplot(x='year', y='Jan',data=flights_wide, ax=ax)

Regplot

モードバッチに回帰線が追加されたバッチ.

orderを使用する場合は、2 D戻り線を使用するか、log線を使用することができます.

fig, ax = plt.subplots(figsize=(7, 7))
sns.regplot(x='math score', y='reading score', data=student)

fig, ax = plt.subplots(figsize=(7, 7))
sns.regplot(x='reading score', y='writing score', data=student,
            logx=True)

Matrix Plots

Heatmap

相関の可視化に代表的に使用される.

vminとvmaxで範囲を調整します.

fig, ax = plt.subplots(1,1 ,figsize=(7, 6))
sns.heatmap(heart.corr(), ax=ax,
           vmin=-1, vmax=1)

注記fmtを使用して実値の内容

を挿入する.

fig, ax = plt.subplots(1,1 ,figsize=(10, 9))
sns.heatmap(heart.corr(), ax=ax,
           vmin=-1, vmax=1, center=0,
            cmap='coolwarm',
            annot=True, fmt='.2f')