Seaborn
Numpy e Seaborn são duas poderosas bibliotecas Python que fornecem uma ampla gama de recursos estatísticos e de visualização.
Este artigo fornece exemplos de Numpy random seaborn para demonstrar seu benefício no desenvolvimento e exploraremos a interseção entre essas duas bibliotecas e como podemos usá-las juntas para analisar e visualizar dados.
Seaborn visualiza distribuições
Seaborn é uma biblioteca que cria gráficos através do Matplotlib no back-end.
Ele fornece uma interface de alto nível para criar gráficos estatísticos informativos e visualmente atraentes.
Distribuições aleatórias serão exibidas através dele.
Usando Numpy Random com Sea-born
Um dos principais benefícios de usar Numpy Random com Sea-born é que podemos criar conjuntos de dados aleatórios com Numpy e visualizá-los com Sea-born.
Vamos criar um conjunto de dados aleatório usando Numpy e visualizá-lo com Sea-born:
Instale o Seaborn.
Caso você tenha o Python e o PIP instalados em seu sistema, você pode instalar o sea-born executando o seguinte comando:
C:\Users\Your Name>pip install seaborn
Você pode instalar o Sea-born executando o seguinte comando se estiver trabalhando com o Jupyter :
C:\Users\Your Name>!pip install seaborn
Distplots
O termo “distplot” representa um gráfico de distribuição, que recebe uma matriz de dados discretos como entrada e, em seguida, gera uma curva correspondente à distribuição dos elementos de dados discretos que são realmente exibidos na matriz.
Importar Matplotlib
Além de Numpy random sea-born, utilize a seguinte instrução para importar o objeto pyplot de Matplotlib :
import matplotlib.pyplot as pt
Importar Seaborn
Utilize a instrução abaixo para importar o módulo Sea-born para o seu código:
import seaborn as sbn
Exibindo um gráfico
vamos criar um conjunto de dados aleatório extraído de uma distribuição de Poisson e plotá-lo com Sea-born:
Example:
Exemplo de Explicação
No exemplo acima, primeiro importamos os módulos requeridos matplotlib.pyplot e sea-born , então usamos a função seaborn.distplot() para criar uma visualização da distribuição dos dados na lista [0, 1, 2, 3] .
A função distplot() cria um histograma dos dados, juntamente com uma estimativa da função de densidade de probabilidade usando uma estimativa de densidade do kernel ( KDE ).
A função distplot() é uma interface de alto nível para criar visualizações de distribuições univariadas.
Por padrão, ele mostra um histograma e um gráfico do KDE, bem como algumas estatísticas resumidas.
Nesse caso, como há apenas quatro pontos de dados, o histograma não é particularmente informativo, mas o gráfico do KDE ainda fornece algumas informações úteis sobre a distribuição dos dados.
Finalmente, a função pt.show() é usada para exibir o gráfico. Esta função é necessária para renderizar o gráfico e exibi-lo em uma janela separada ou célula do notebook.
Example:
Traçando um Distplot sem o Histograma
Para remover o histograma do distplot, podemos definir o parâmetro hist como False :
Example:
Exemplo de Explicação
No exemplo acima, criamos uma visualização da distribuição dos dados na lista [0, 1, 2, 3]. No entanto, ao contrário do exemplo anterior, o parâmetro hist é definido como Falso para remover o histograma do gráfico.
Como resultado, o gráfico resultante mostra apenas a estimativa de densidade do kernel (KDE) dos dados.
Isso pode ser útil em situações em que o histograma não é informativo ou visualmente atraente e queremos nos concentrar apenas na forma do KDE.
Finalmente, a função pt.show() é usada para exibir o gráfico.
Example:
Conclusão
Neste artigo, exploramos como criar um distplot sem o histograma usando o parâmetro hist.
Também vimos como personalizar a aparência da estimativa de densidade do kernel usando o parâmetro kde_kws.
Ao remover o histograma do distplot, podemos nos concentrar apenas na forma da estimativa de densidade do kernel, que pode ser útil em determinados cenários de análise de dados.
