Seaborn एक लाइब्रेरी है जो डेटा विज़ुअलाइज़ करने में मदद करती है। यह कस्टमाइज़्ड थीम और हाई-लेवल इंटरफेस के साथ आती है।
कर्नेल डेंसिटी एस्टीमेशन, जिसे KDE के नाम से भी जाना जाता है, एक विधि है जिसमें एक सतत यादृच्छिक चर के प्रायिकता घनत्व फंक्शन का अनुमान लगाया जा सकता है। इस विधि का उपयोग गैर-पैरामीट्रिक मानों के विश्लेषण के लिए किया जाता है। 'jointplot' का उपयोग करते समय, यदि आर्गुमेंट 'kind' को 'kde' पर सेट किया जाता है, तो यह कर्नेल डेंसिटी एस्टीमेशन प्लॉट बनाता है।
आइए समझते हैं कि पायथन में कर्नेल डेंसिटी एस्टीमेशन प्लॉट करने के लिए 'jointplot' फंक्शन कैसे काम करता है।
उदाहरण
import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('iris')
sb.jointplot(x='petal_length', y='petal_width', data=my_df, kind='kde')
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 'jointplot' फंक्शन का उपयोग करके विज़ुअलाइज़ किया जाता है।
- यहां, 'x' और 'y' अक्ष मान पैरामीटर के रूप में सप्लाई किए जाते हैं।
- यहां, 'kind' पैरामीटर को 'kde' के रूप में निर्दिष्ट किया जाता है ताकि प्लॉट कर्नेल डेंसिटी एस्टीमेशन प्रिंट करना समझे।
- यह कर्नेल डेंसिटी एस्टीमेशन डेटा कंसोल पर प्रदर्शित होता है।
