Un nuage de points est l'un des graphiques de base pour visualiser la relation entre deux variables. Et pourtant, c'est un moyen puissant de comprendre la structure des données car sa simplicité nous permet de personnaliser le tracé en superposant d'autres informations variables.
En python, matplotlib et seaborn sont des modules populaires pour dessiner des nuages de points avec une grande flexibilité, mais nécessitent également quelques efforts pour les rendre agréables et cool. Ici, je voudrais présenter mon package python, omniplot , qui est construit sur matplotlib et seaborn, pour dessiner des diagrammes de dispersion avec des fonctionnalités supplémentaires telles que les distributions marginales, l'estimation de la densité du noyau et le clustering k-means dans une seule ligne.
Un guide d'installation détaillé pour omniplot est disponible sur le référentiel github . Mais, vous pourrez peut-être l'installer avec les commandes suivantes.
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")
C'est ça! Notamment, les tracés ci-dessus peuvent être dessinés par seaborn ou matplotlib seul, mais vous devrez passer beaucoup de temps pour y parvenir. J'espère qu'omniplot pourra vous faire gagner du temps et accélérer la visualisation scientifique.
Introduction :Bienvenue, courageux lecteurs, dans un voyage qui nous emmènera dans les profondeurs les plus sombres de notre planète. Dans ce blog, nous plongeons dans le monde énigmatique de la fosse des Mariannes, découvrant ses secrets cachés et découvrant les vérités effrayantes qui se cachent sous sa surface.
Notre voyage a commencé par une simple question : Pouvons-nous imaginer un trou noir comme un système d'information quantique ? ️ Cela nous a conduit à repenser le paradoxe de l'information du trou noir, un casse-tête majeur de la physique théorique qui découle du conflit apparent entre la mécanique quantique et la relativité générale. Le paradoxe vient du fait que la mécanique quantique insiste sur la conservation de l'information, alors que la relativité générale implique que l'information est perdue lorsque la matière tombe dans un trou noir.
Lorsque vous faites une demande à facebook.com, votre ordinateur recherche le nom de domaine pour traduire ce nom de domaine en une adresse IP afin que votre ordinateur puisse établir cette connexion.
"Hey Siri, joue Me Dive d'Olivia Dean." C'était en mai 2021 lorsque j'ai commencé mon stage à la Future Academy Africa à Akure, au Nigeria.
La semaine dernière, j'ai remarqué un communiqué de presse, envoyé via PressGazette (un site Web d'information britannique). L'article annonçait qu'Acast, la société d'hébergement et de publicité de podcasts de Scandi, dirigerait un consortium d'éditeurs "probablement les plus influents" du podcasting.
Dans le monde interconnecté d'aujourd'hui, la menace des cyberattaques est plus répandue que jamais. Les cybercriminels et les acteurs des États-nations cherchent constamment à exploiter les vulnérabilités et à voler des données précieuses, ce qui représente un risque important pour les organisations de toutes tailles.