Coole Streudiagramme mit Python in einem Liner zeichnen

Ein Streudiagramm ist eines der grundlegenden Diagramme zur Visualisierung der Beziehung zwischen zwei Variablen. Und doch ist es eine leistungsstarke Möglichkeit, die Datenstruktur zu verstehen, da es uns aufgrund seiner Einfachheit ermöglicht, das Diagramm anzupassen, indem andere variable Informationen überlagert werden.

In Python sind Matplotlib und Seaborn beliebte Module, um Streudiagramme mit großer Flexibilität zu zeichnen, erfordern aber auch einige Anstrengungen, um sie schön und cool zu machen. Hier möchte ich mein Python-Paket omniplot vorstellen, das auf matplotlib und seaborn aufbaut, um Streudiagramme mit zusätzlichen Funktionen wie Randverteilungen, Kerndichteschätzung und K-Means-Clustering in einem Liner zu zeichnen.

Eine ausführliche Installationsanleitung für Omniplot finden Sie im Github-Repository . Möglicherweise können Sie es jedoch mit den folgenden Befehlen installieren.

pip install cython --user
git clone https://github.com/koonimaru/omniplot.git --user
cd omniplot
pip install .

from omniplot  import plot as op
import pandas as pd
import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
%config InlineBackend.print_figure_kwargs={'bbox_inches': None}
df=sns.load_dataset("penguins")
df=df.dropna(axis=0)
print(df.shape)
res=op.scatterplot(df, 
               x="bill_length_mm",
               y="bill_depth_mm", 
               category=['species'],
                save="scatter1.png")

      

res=op.scatterplot(df, 
               x="bill_length_mm",
               y="bill_depth_mm", 
               category=['species'],
                sizes="body_mass_g",
                save="scatter2.png")

      

res=op.scatterplot(df, 
               x="bill_length_mm",
               y="bill_depth_mm", 
               category=['species', "sex"],
                sizes="body_mass_g",
                save="scatter3.png")

      

res=op.scatterplot(df, 
               x="bill_length_mm",
               y="bill_depth_mm", 
               category=['species', "sex", "island"],
               colors="flipper_length_mm",
                sizes="body_mass_g",
                save="scatter4.png")

      

res=op.scatterplot(df, 
               x="bill_length_mm",
               y="bill_depth_mm", 
               category=['species', "sex"],
                sizes="body_mass_g",
                marginal_dist=True,
                kde=True,
                save="scatter6.png")

      

res=op.scatterplot(df, 
               x="bill_length_mm",
               y="bill_depth_mm", 
               category=['species', "sex"],
                sizes="body_mass_g",
                marginal_dist=True,
                kde=True,
                kmeans=True,
                save="scatter7.png")

      

res=op.scatterplot(df, 
               x="bill_length_mm",
               y="bill_depth_mm", 
               category=['species', "sex"],
                sizes="body_mass_g",
                marginal_dist=True,
                kde=True,
                regression=True,
                save="scatter8.png")

      

Das ist es! Insbesondere können die obigen Diagramme nur von Seaborn oder Matplotlib gezeichnet werden, aber Sie müssen viel Zeit aufwenden, um dies zu erreichen. Ich hoffe, dass Omniplot Ihnen Zeit sparen und die wissenschaftliche Visualisierung beschleunigen kann.