Seaborn एक लाइब्रेरी है जो डेटा विज़ुअलाइज़ करने में मदद करती है। यह कस्टमाइज़्ड थीम और हाई-लेवल इंटरफेस के साथ आती है। वास्तविक समय की स्थितियों में, डेटासेट में कई चर होते हैं। कभी-कभी, डेटासेट में हर चर के हर दूसरे चर के साथ संबंध का विश्लेषण करना आवश्यक हो सकता है। ऐसी स्थितियों में, बाइवेरिएट डिस्ट्रीब्यूशन में बहुत समय लग सकता है और यह जटिल भी हो सकता है।
यह वह जगह है जहां मल्टीपल पेयरवाइज़ बाइवेरिएट डिस्ट्रीब्यूशन तस्वीर में आता है। 'pairplot' फंक्शन का उपयोग डेटाफ्रेम में चर के संयोजनों के बीच संबंध प्राप्त करने के लिए किया जा सकता है। आउटपुट एक यूनिवेरिएट प्लॉट होगा।
pairplot फंक्शन का सिंटैक्स
seaborn.pairplot(data, ...)
अब आइए समझते हैं कि इसे ग्राफ पर कैसे प्लॉट किया जा सकता है।
उदाहरण
import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('iris')
sb.set_style("ticks")
sb.pairplot(my_df, hue='species', diag_kind="kde", kind="scatter", palette="husl")
plt.show()आउटपुट
व्याख्या
- आवश्यक पैकेज आयात किए जाते हैं।
- इनपुट डेटा 'iris_data' है जिसे scikit learn लाइब्रेरी से लोड किया जाता है।
- यह डेटा एक डेटाफ्रेम में स्टोर होता है।
- 'load_dataset' फंक्शन का उपयोग आइरिस डेटा लोड करने के लिए किया जाता है।
- इस डेटा को 'pairplot' फंक्शन का उपयोग करके विज़ुअलाइज़ किया जाता है।
- यहां, डेटाफ्रेम को पैरामीटर के रूप में सप्लाई किया जाता है।
- यहां, 'kind' पैरामीटर को 'kde' के रूप में निर्दिष्ट किया जाता है ताकि प्लॉट कर्नेल डेंसिटी एस्टीमेशन प्रिंट करना समझे।
- प्लॉट का प्रकार स्कैटरप्लॉट के रूप में उल्लेख किया जाता है।
- यह डेटा कंसोल पर प्रदर्शित होता है।
