Bemind
Учебник Python
Учебник Python
  • Python
    • Python Lists
      • Списковые включения в Python (Полное руководство с примерами)
      • Исправление ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Как добавить строку в список в Python
      • Разница между массивами и списками в Python
      • Python: Различия между списками и кортежами
      • Как проверить, пуст ли список в Python
      • Как Итерировать (Циклически Проходить) По Списку в Python
      • Python List sort(): Подробное руководство по сортировке списков
      • Python List Extend: Как добавить несколько элементов в список
      • Python: Найти Индекс Всех Вхождений Элемента в Списке
      • Конвертация списка словарей в Pandas DataFrame
      • Генерация случайных чисел в Python
      • Поиск Индекса в Списке Python: Найти Первое, Последнее или Все Вхождения
      • Добавить в начало списка в Python (Вставить в начало)
      • Найти дубликаты в списке Python
      • Python: Умножение Списков (6 Различных Способов)
      • Python списки: Полный обзор
      • Python: Выбор случайного элемента из списка
      • 4 Способа Очистить Список в Python
      • Объяснение ошибки IndexError в Python: индекс списка выходит за пределы допустимого диапазона
      • Python: Получение индекса максимального элемента в списке
      • Python: Объединение списков – Слияние списков (8 способов)
      • Python: Проверка наличия элемента в списке
      • Python: Проверка наличия элемента в списке
      • Удаление элемента из списка в Python (pop, remove, del, clear)
      • Как перевернуть список в Python (6 способов)
      • Python: Замена элемента в списке (6 различных способов)
      • Python: Удаление дубликатов из списка (7 способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Перемешать Список (Случайное Распределение Элементов Списка в Python)
      • Python: Пересечение двух списков
      • Python: Вычитание двух списков (4 простых способа!)
      • Длина или Размер Списка в Python: 5 Способов Узнать Длину Списка
      • Python: Транспонирование списка списков (5 простых способов!)
      • Python: Разделение списка (Пополам, на части)
      • Python: Комбинации списка (Получить все комбинации списка)
      • Python: Выравнивание списка списков (4 способа)
      • Разница между списками в Python: Нахождение разницы между двумя списками Python
      • Python: Найти среднее значение списка или списка списков
      • Как добавлять элементы в списки в Python – 4 простых способа!
      • Списковые включения в Python (Полное руководство с примерами)
      • 6 способов преобразовать список Python в строку
    • Python Dictionaries
      • Понимание словаря Python (с примерами)
      • Исправляем ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Преобразование JSON в словарь Python
      • Полное руководство по вложенным словарям в Python
      • Копирование словаря в Python: Полное руководство
      • Конвертация списка словарей в Pandas DataFrame
      • Поиск дубликатов в списке Python
      • Полный обзор словарей в Python
      • Python: Добавление пары Ключ:Значение в Словарь
      • Python: Сортировка словаря по значениям
      • Слияние Словарей в Python – Комбинирование Словарей (7 Способов)
      • Python: Удаление Дубликатов из Списка (7 Способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Красивая Печать Словаря (Dictionary) – 4 Способа
      • Python: Проверка пуст ли словарь (5 способов!)
      • Copy of Python: Проверка пуст ли словарь (5 способов!)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Получение Ключа Словаря с Максимальным Значением (4 Способа)
      • Python: Удаление ключа из словаря (4 разных способа)
      • Как красиво вывести JSON-файл в Python (6 методов)
    • Python Strings
      • Python Капитализация Строк: Руководство по Преобразованию слов в Заглавные
      • Python strip: Как обрезать строку в Python
      • Python Обратная Строка: Руководство по Реверсированию Строк
      • Как Удалить Префикс или Суффикс из Строки в Python
      • Преобразование строки в формат заголовка в Python с помощью str.title()
      • Как добавить строку в список в Python
      • Python String startswith: Проверка, начинается ли строка с подстроки
      • Python String endswith: Проверка того, заканчивается ли строка подстрокой
      • Как удалить первый или последний символ из строки в Python
      • Как исправить: SyntaxError в Python - EOL при сканировании строкового литерала
      • Python String Contains: Проверка Наличия Подстроки в Строке
      • Как проверить, пустая ли строка в Python
      • Python Новая Строка и Как Печатать Без Переноса Строки
      • Как Конкатенировать Строки в Python: Полное Руководство
      • Python: Подсчет слов в строке или файле
      • Как создать список алфавита в Python
      • Python: Конкатенация строки и целого числа (Int)
      • Python: Сортировка строки (4 различных способа)
      • Python zfill и rjust: Добавление нулей в строку в Python
      • Python: Целое в Двоичное (Преобразование целого числа в двоичную строку)
      • Python rfind: Нахождение индекса последней подстроки в строке
      • Python SHA256 хеширование алгоритм: объяснение
      • Python: Усечение числа с плавающей точкой (6 различных способов)
      • Выбор между методами Python isdigit(), isnumeric() и isdecimal()
      • Python: Удаление специальных символов из строки
      • Python Приведение Строки к Нижнему Регистру с помощью .lower(), .casefold(), и .islower()
      • Python программа для проверки, является ли строка палиндромом (6 методов)
      • Python: Найдите все перестановки строки (3 легких способа!)
      • Python: Удаление пунктуации из строки (3 разных способа!)
      • Python: Найти индекс (или все индексы) подстроки в строке
      • Python: Удаление символов новой строки из строки
      • Python: Удаление символа из строки (4 способа)
      • Python: Количество вхождений в строке (4 способа!)
    • Встроенные функции Python
      • abs()
      • ascii()
      • aiter()
      • all()
      • any()
      • anext()
      • bin()
      • bool()
      • breakpoint()
      • bytearray()
      • bytes()
      • callable()
      • chr()
      • classmethod()
      • compile()
      • complex()
      • delattr()
      • dict()
      • dir()
      • divmod()
      • enumerate()
      • eval()
      • exec()
      • filter()
      • float()
      • format()
      • frozenset()
      • getattr()
      • globals()
      • hasattr()
      • hash()
      • help()
      • hex()
      • id()
      • input()
      • int()
      • issubclass()
      • iter()
      • len()
      • list()
      • locals()
      • map()
      • max()
      • memoryview()
      • min()
      • next()
      • object()
      • oct()
      • open()
      • ord()
      • pow()
      • print()
      • property()
      • range()
      • repr()
      • reversed()
      • round()
      • set()
      • setattr()
      • isinstance()
      • slice()
      • zip()
      • type()
      • sorted()
      • staticmethod()
      • str()
      • sum()
      • super()
      • tuple()
      • vars()
      • import()
    • Cобеседования Python. Разбор реальных вопросов.
    • Встроенные методы в Python
  • Учебники по Pandas и Numpy
    • Numpy
      • Функция активации ReLU для глубокого обучения: полное руководство по выпрямленному линейному блоку
      • Как нормализовать массивы NumPy (минимальное-максимальное масштабирование, Z-оценка, L2)
      • NumPy where: Условная обработка элементов массива
      • NumPy linspace: создание равномерно расположенных массивов с помощью np.linspace
      • Как рассчитать векторное произведение в Python
      • Разделение NumPy: Разделение массива NumPy на части
      • NumPy: Лучшие способы применения функции к массиву
      • NumPy full: Создание массивов с заданным значением
      • NumPy clip(): Ограничьте значения массива минимальным и максимальным значениями
      • NumPy cumsum: Расчет кумулятивных сумм массивов NumPy
      • Изучаем функцию np.histogram в NumPy: создаем гистограмму
      • NumPy arange(): Полное руководство (с примерами)
      • Руководство по индексации и срезам массивов NumPy: Полное руководство
      • NumPy argmin(): Получение индекса минимального значения в массивах
      • Выравнивание массива с помощью NumPy flatten
      • Объединение массивов NumPy по различным осям с использованием функции stack
      • Удаление размерности из массивов NumPy с помощью NumPy Squeeze
      • Функция np.repeat() NumPy: Повторение массивов NumPy
      • Использование функции NumPy.exp() для вычисления экспоненты
      • Реализация функции сигмоида на Python
      • NumPy Pad: Использование np.pad() для дополнения массивов и матриц
      • np.argmax(): Как использовать NumPy Argmax
      • NumPy logspace: Понимание функции np.logspace()
      • Использование NumPy Tile для Расположения Массивов
      • NumPy Zeros: Создание массивов и матриц с нулями в NumPy
      • Использование числа Пи в Python (NumPy и Math)
      • Распределение Нормального (Гауссова) Распределения в Numpy (Случайное Нормальное в Numpy)
      • NumPy для Data Science на Python
      • Расчет скалярного произведения с использованием Numpy в Python
      • Расчет натурального логарифма на Python
    • Pandas
      • Python сводные таблицы – Полное руководство
      • Изучение API стиля Pandas
      • Объяснение группировки по нескольким столбцам в Pandas с примерами
      • Удаление индексной колонки DataFrame в Pandas: Руководство с примерами
      • Pandas Quantile: Расчет процентилей в DataFrame
      • Как рассчитать скользящее среднее (среднее арифметическое) в Pandas
      • Руководство по использованию метода fillna в Pandas для работы с отсутствующими данными в DataFrame
      • Pandas unique(): Получение уникальных значений в DataFrame
      • Распакуйте Ваши Данные с Помощью Функции Melt в Pandas
      • Pandas date_range: Как Создать Диапазон Дат в Pandas
      • Сброс индекса в Pandas: как сбросить индекс в Pandas
      • Pandas replace() – Замена значений в DataFrame Pandas
      • Перемещение столбца DataFrame Pandas на позицию (В начало и в конец)
      • Учебное пособие по Python Pandas: полное руководство
      • Pandas: Замена NaN на нули
      • Преобразование DataFrame Pandas в файл Pickle
      • Конвертация Pandas DataFrame в JSON
      • Преобразование DataFrame Pandas в Словарь
      • Преобразование Pandas DataFrame в Список
      • Чтение файлов Parquet в Pandas с помощью pd.read_parquet
      • Pandas dropna(): Удаление отсутствующих записей и столбцов в DataFrame
      • Как Добавить Новый Столбец в DataFrame Pandas
      • Подсчёт уникальных значений в Pandas
      • Отображение всех столбцов и строк в DataFrame Pandas
      • Pandas to_excel: Запись DataFrames в файлы Excel
      • Как использовать Pandas для чтения файлов Excel в Python
      • Преобразование списка словарей в Pandas DataFrame
      • Как добавить/вставить строку в DataFrame Pandas
      • Диаграмма рассеяния в Pandas: Как создать диаграмму рассеяния в Pandas
      • Pandas to_datetime: Преобразование строки Pandas в дату и время
      • Введение в Pandas для Data Science
      • Индексация, Выборка и Присваивание Данных в Pandas
      • Суммирование и Анализ Pandas DataFrame
      • Преобразование столбцов Pandas с помощью map и apply
      • Группировка данных в Pandas с использованием cut и qcut
      • Дата и время в Pandas и Python
      • Очистка и подготовка данных в Pandas и Python
      • Pandas GroupBy: группировка, суммирование и агрегация данных в Python
      • Pandas Дата и Время в Части Даты (месяц, год и т.д.)
      • Pandas: Получение номера строки из DataFrame
      • Вычисление Взвешенного Среднего в Pandas и Python
      • Как перемешать строки Pandas Dataframe в Python
      • Pandas: количество столбцов (подсчет столбцов в DataFrame)
      • Pandas Sum: сложение столбцов и строк DataFrame
      • Pandas Diff: Вычисление Разницы Между Строками Pandas
      • Нормализация столбца или датафрейма Pandas (с использованием Pandas или sklearn)
      • Функция Rank в Pandas: Ранжирование данных в Dataframe (Эквивалент SQL row_number)
      • Pandas Describe: Описательная статистика вашего Dataframe
      • Pandas Shift: Перемещение столбца DataFrame вверх или вниз
      • 7 Способов Выполнения Выборки Данных в Pandas
      • Экспорт DataFrame Pandas в CSV файл – Использование .to_csv()
      • Pandas: Итерация по строкам DataFrame в Pandas
      • Pandas: Преобразование значений столбца в строки
      • Дисперсия в Pandas: Вычисление дисперсии столбца в Pandas Dataframe
      • Pandas: Создание DataFrame из списков (5 способов!)
      • Pandas Rename Index: Как переименовать индекс DataFrame в Pandas
      • Pandas: Подсчёт уникальных значений в объекте GroupBy
      • Pandas: Добавить дни к колонке с датами
      • Среднее в Pandas: Как рассчитать среднее для одной или нескольких колонок
      • Pandas Column to List – Конвертируйте колонку Pandas в список
      • Транспонирование Dataframe в Pandas
      • Python: Разделение DataFrame Pandas
      • Как получить имена столбцов в DataFrame Pandas
      • Pandas: Количество строк в DataFrame (6 способов)
      • Создание пустого DataFrame Pandas и добавление данных
      • Как переименовать столбцы в Pandas DataFrame (с примерами)
      • Изменение порядка столбцов в Pandas: использование метода reindex и метода insert
      • Pandas get_dummies (One-Hot кодирование), объяснение
      • Относительные и Абсолютные Частоты в Python и Pandas
      • Финансовый год – Определение финансового года в Pandas
      • Как сортировать данные в DataFrame Pandas
  • Учебники Matplotlib и Seaborn
    • Seaborn
      • Регрессионные графики в Seaborn с использованием regplot и lmplot
      • Seaborn residplot – Построение остатков линейной регрессии
      • Seaborn jointplot() – Создание совместных графиков в Seaborn
      • Seaborn displot – Распределенческие графики в Python
      • Seaborn ecdfplot – Эмпирические функции накопленного распределения
      • Seaborn rugplot – Визуализация маргинальных распределений
      • Seaborn kdeplot – Создание графиков оценки плотности ядра
      • Seaborn histplot – Создание Гистограмм в Seaborn
      • Seaborn catplot – Визуализация категориальных данных в Python
      • Средняя тенденция для категориальных данных в Seaborn Pointplot
      • Seaborn stripplot: Jitter Plots для распределений категориальных данных
      • Seaborn Countplot – Подсчет категориальных данных в Python
      • Seaborn swarmplot: Bee Swarm Plots для распределения категориальных данных
      • Скрипичные графики Seaborn в Python: Полное руководство
      • Настройка расположения легенд Seaborn, меток, текста и т.д.
      • Тепловая карта Seaborn: Полное руководство
      • Создание многосекционных сеток в Seaborn с помощью FacetGrid
      • Удаление рамки в Seaborn: Как работать с рамкой
      • Заголовки и метки осей в Seaborn: добавление и настройка
      • Как установить Seaborn в Python (Исправление: no module named seaborn)
      • Seaborn relplot – Создание точечных и линейных графиков
      • Полное руководство по созданию точечных диаграмм (scatter plots) в Python с использованием Seaborn
    • Matplotlib
      • Режим Retina в Matplotlib: Улучшение Качества Графиков
      • Как построить функцию в Python с использованием Matplotlib
      • Как создать 3D-диаграммы рассеяния в Matplotlib
      • Как изменить размер шрифта в графике Matplotlib
      • Установка размера маркера в точечных диаграммах Matplotlib
      • Как изменить размер графика и фигуры в Matplotlib
      • Как добавить названия в Matplotlib: Заголовок, Подзаголовок, Названия Осей
      • Pandas Scatter Plot: Как создать диаграмму рассеяния в Pandas
      • Построение графиков в Python с помощью Matplotlib
      • Диаграммы рассеяния Matplotlib – Все, что вам нужно знать
      • Диаграммы с столбцами в Matplotlib – Узнайте все, что вам нужно знать
      • Линейные диаграммы Matplotlib – Всё, что вам нужно знать
      • Построение гистограммы в Python с Matplotlib и Pandas
  • Алгоритмы
    • Алгоритм поиска в ширину (BFS) в Python
    • Алгоритм поиска в глубину (DFS) на Python
  • AI создает хедж-фонд для анализа акций на Python
Powered by GitBook
On this page
  • Что такое совместные графики?
  • Понимание функции Seaborn jointplot()
  • Создание простого совместного графика с помощью Seaborn
  • Добавление дополнительных деталей к графикам соединений Seaborn с помощью цвета
  • Использование гистограмм в совместных графиках Сиборна
  • Использование шестнадцатеричных графиков в совместных графиках Seaborn
  • Построение графика регрессии в Seaborn Joint Plots
  • Построение остаточного графика в Seaborn Joint Plots
  • Изменение размера совместного графика Seaborn
  • Настройка совместного графика Seaborn с заголовком, метками осей и легендами
  • Заключение
  • Дополнительные ресурсы
  1. Учебники Matplotlib и Seaborn
  2. Seaborn

Seaborn jointplot() – Создание совместных графиков в Seaborn

PreviousSeaborn residplot – Построение остатков линейной регрессииNextSeaborn displot – Распределенческие графики в Python

Last updated 1 year ago

В этом учебном пособии вы узнаете, как использовать функцию jointplot() в Seaborn для создания информативных совместных графиков. Совместные графики позволяют создавать полезные визуализации, которые отображают как двухмерное распределение (например, точечный график), так и распределение каждой из индивидуальных переменных.

К концу этого руководства вы узнаете следующее:

  • Что такое совместные участки и когда их можно использовать

  • Как использовать функцию sns.jointplot() для создания информативных визуализаций

  • Как настроить совместные графики в Seaborn с помощью различных визуализаций, цветов, заголовков и т. д.

Оглавление

  • П

Что такое совместные графики?

Совместные графики позволяют изображать взаимосвязь между двумя переменными (также известную как бивариантная связь), одновременно исследуя распределение каждой из лежащих в основе переменных

Посмотрите на изображение ниже, которое показывает настраиваемую совместную диаграмму, созданную с помощью Seaborn:

На изображении выше мы видим точечную диаграмму, размещенную в центре нашей визуализации. То, что делает совместный график отличным, заключается в отображении распределений (в данном случае, используя графики KDE) по периметру диаграммы. Это позволяет лучше понять, как переменные распределяются вдоль осей x и y.

Давайте теперь рассмотрим функцию sns.jointplot() и различные параметры, которые она предлагает.

Понимание функции Seaborn jointplot()

Перед тем как погрузиться в создание совместных графиков в Seaborn, давайте ненадолго остановимся и рассмотрим данную функцию и предоставляемые ей параметры. Хотя данный учебник не охватит все параметры функции, мы изучим все важные из них.

# Понимание функции seaborn.jointplot()
seaborn.jointplot(data=None, *, x=None, y=None, hue=None, kind='scatter', height=6, ratio=5, space=0.2, dropna=False, xlim=None, ylim=None, color=None, palette=None, hue_order=None, hue_norm=None, marginal_ticks=False, joint_kws=None, marginal_kws=None, **kwargs)

В блоке кода выше вы можете увидеть определение функции. Мы видим, что существует большое количество параметров. Ниже рассмотрим некоторые важные из них:

  • data=, x=, и y= представляют DataFrame и метки столбцов, используемые для визуализации нашей бивариативной зависимости.

  • hue= добавляет еще один семантический слой, разделяя переменные на разные цвета

  • kind= определяет тип диаграммы, используемой для отображения бивариантного отношения

Давайте теперь начнем изучать создание совместных графиков в Seaborn.

Создание простого совместного графика с помощью Seaborn

Чтобы создать простой объединенный график в Seaborn, вам нужно передать только три переменные

  1. data= датафрейм, который вы хотите визуализировать,

  2. x= и y= представляют собой две переменные, которые вы хотите отобразить в виде заголовков столбцов

Давайте рассмотрим, как мы можем использовать набор данных 'tips', который поставляется вместе с Seaborn:

# Создание примера совместного графика
import seaborn as sns
import matplotlib.pyplot as plt
df = sns.load_dataset('tips')

sns.jointplot(data=df, x='tip', y='total_bill', palette='Set2')
plt.show()

В приведенном выше блоке кода мы попросили Seaborn визуализировать взаимосвязь между столбцами 'tip' и total_bill'. Это привело к появлению ниже представленной визуализации данных:

Давайте попробуем понять, что происходит на совместном сюжете выше:

  • Двумерная зависимость отображается с помощью диаграммы рассеяния, показывая взаимосвязь между двумя переменными

  • На правом краю графика расположена гистограмма, показывающая распределение переменной

  • Аналогично, в верхней части гистограмма показывает распределение переменной

В следующем разделе вы узнаете, как добавить дополнительный семантический слой к графику с помощью цвета.

Добавление дополнительных деталей к графикам соединений Seaborn с помощью цвета

Seaborn позволяет добавить дополнительную переменную в совместный график, используя семантическое отображение через параметр hue. Передавая дополнительную переменную с помощью параметра hue=, отображение добавляется в совместный график. Давайте посмотрим, как мы можем передать третью переменную в наш график:

# Добавление цветовой схемы к совместному графику Seaborn
import seaborn as sns
import matplotlib.pyplot as plt
df = sns.load_dataset('tips')

sns.jointplot(data=df, x='tip', y='total_bill', palette='Set2', hue='sex')
plt.show()

В представленном блоке кода мы разделили данные на мужчин и женщин. На изображении ниже можно увидеть, что мужчины обозначены зеленым цветом, а женщины - оранжевым. Это касается не только диаграммы рассеивания, но и вновь созданных графиков плотности распределения на краях графика.

Это позволяет нам гораздо лучше понять, при наличии перекрывающихся значений, где мы можем найти значения, принадлежащие подмножеству.

Для построения графиков оценки плотности ядра, вместо точечных диаграмм, в Seaborn jointplot можно передать kind='kde'. Это позволит построить оценку плотности ядра, с разделением по цветовой семантике.

Давайте посмотрим, как мы можем это сделать:

# Изменение типа совместного графика на график ядерной оценки плотности (KDE)
import seaborn as sns
import matplotlib.pyplot as plt
df = sns.load_dataset('tips')

sns.jointplot(data=df, x='tip', y='total_bill', hue='sex', palette='Set2', kind='kde')
plt.show()

В указанном выше блоке кода мы добавили только kind='kde', что указало Seaborn нарисовать график плотности распределения вместо диаграммы рассеяния. Это возвращает изображение, показанное ниже:

В следующем разделе вы научитесь добавлять гистограмму к совместному графику Seaborn.

Использование гистограмм в совместных графиках Сиборна

Диаграммы оценки плотности распределения, хотя и информативны, могут быть поняты не всеми, особенно пользователями без технической подготовки. В таких случаях добавление гистограммы может быть более подходящим решением. Для добавления гистограммы к совместной диаграмме в Seaborn, можно использовать параметр kind='hist', как показано ниже:

# Изменение типа совместного графика на гистограмму
import seaborn as sns
import matplotlib.pyplot as plt
df = sns.load_dataset('tips')

sns.jointplot(data=df, x='tip', y='total_bill', hue='sex', palette='Set2', kind='hist')
plt.show()

В приведенном выше блоке кода мы изменили аргумент параметра kind=. Это позволило нам построить матрицу тепловой карты гистограммы непосредственно на самом графике, а также гистограммы на краях графика, как показано ниже:

Аналогично, мы можем создавать шестиугольные графики, что и будет изучено в следующем разделе.

Использование шестнадцатеричных графиков в совместных графиках Seaborn

Мы можем довести настройку нашего совместного графика в Seaborn до нового уровня, используя hexplot вместо тепловой карты гистограмм. Это часто выглядит более визуально привлекательно, позволяя конечным пользователям лучше интерпретировать непрерывный характер некоторых данных.

Чтобы построить шестиугольный график (hexplot) в функции совместного распределения Seaborn (jointplot), вы можете передать kind='hex' в функцию sns.jointplot(). Давайте посмотрим, как это сделать:

# Изменение типа совместного графика на гексагональный график
import seaborn as sns
import matplotlib.pyplot as plt
df = sns.load_dataset('tips')

sns.jointplot(data=df, x='tip', y='total_bill', palette='Set2', kind='hex')
plt.show()

В приведенном выше блоке кода мы использовали kind='hex', который указал Seaborn сгенерировать приведенный ниже график:

Используя гексагональную диаграмму, данные больше напоминают точечную диаграмму. Это может быть менее сложно для понимания непрофессионалами.

Построение графика регрессии в Seaborn Joint Plots

Одна из наиболее распространенных задач, которую вы можете захотеть выполнить, - это построение регрессионного графика между двумя переменными. Это позволит вам лучше понять, существует ли между ними коррелированная связь.

Чтобы построить график регрессии, вы можете передать kind='reg' в функцию sns.pairplot(). Это показано в приведенном ниже блоке кода:

# Изменение типа совместного графика на график регрессии
import seaborn as sns
import matplotlib.pyplot as plt
df = sns.load_dataset('tips')

sns.jointplot(data=df, x='tip', y='total_bill', palette='Set2', kind='reg')
plt.show()

Используя регрессионный график в парном графике, будут изменены два ключевых элемента:

  1. К диаграмме рассеяния будет добавлена линия регрессии с доверительным интервалом

  2. На гистограммах, вдоль края графика, будет наложена линия KDE.

Приведенное действие возвращает изображение ниже:

В следующем разделе вы узнаете, как строить график остатков в совместных графиках Seaborn.

Построение остаточного графика в Seaborn Joint Plots

Теперь, когда вы узнали, как строить график регрессии в совместном графике Seaborn, вы можете также захотеть построить график остатков. График остатков покажет остатки вдоль рассчитанной линии регрессии, что позволит вам лучше понять точность линии регрессии.

Чтобы построить график остатков в совместном графике Seaborn, вы можете передать kind='resid' в функцию sns.pairplot(). Это показано в приведенном ниже блоке кода:

# Изменение типа совместного графика на график остатков
import seaborn as sns
import matplotlib.pyplot as plt
df = sns.load_dataset('tips')

sns.jointplot(data=df, x='tip', y='total_bill', palette='Set2', kind='resid')
plt.show()

При построении линии остатков создается результирующая точечная диаграмма. Однако, в отличие от отображения абсолютных значений, для каждой точки данных показывается разница от рассчитанной регрессионной линии.

В следующих разделах вы узнаете, как настроить ваш совместный график, изменив его размер и добавив настраиваемые названия и метки.

Изменение размера совместного графика Seaborn

Чтобы изменить размер совместной диаграммы Seaborn, можно использовать аргумент height=. Фигура всегда будет квадратной, что означает, что вам не нужно беспокоиться о ширине размера.

По умолчанию Seaborn использует размер 6. Давайте посмотрим, как мы можем изменить его на размер 5:

# Изменение размера совместного графика Seaborn
import seaborn as sns
import matplotlib.pyplot as plt
df = sns.load_dataset('tips')

sns.jointplot(data=df, x='tip', y='total_bill', palette='Set2', hue='sex', height=5)
plt.show()

Изменив высоту нашего совместного графика до пяти, мы получаем изображение, показанное ниже (обратите внимание, что оно немного меньше, чем прежде):

В последнем разделе ниже вы узнаете, как настроить совместный график Seaborn с заголовком, метками осей и легендой.

Настройка совместного графика Seaborn с заголовком, метками осей и легендами

Добавляя и настраивая заголовки и подписи осей, вы можете существенно упростить восприятие ваших графиков. Seaborn предоставляет значительную гибкость в добавлении и настройке заголовков и подписей осей. Аналогично, изменяя легенду Seaborn, вы можете лучше направить внимание на определенные элементы.

#Настройка совместного графика Seaborn
import seaborn as sns
import matplotlib.pyplot as plt
df = sns.load_dataset('tips')

joint = sns.jointplot(data=df, x='tip', y='total_bill', palette='Set2', hue='sex')
joint.set_axis_labels('Tip Amount', 'Total Bill')
joint.fig.suptitle('Sample Joint Plot in Seaborn', weight='bold', size=18)
joint.fig.tight_layout()
plt.legend(loc='lower right')

plt.show()

В приведенном выше блоке кода мы настроили подписи осей, используя метод set_axis_labels(), который принимает подписи в виде строк. Затем мы добавили заголовок с помощью метода fig.suptitle(), так как рисуем объект на уровне фигуры. Наконец, мы разместили легенду в нижнем правом углу. Это дает изображение ниже:

Изображение выше теперь выглядит намного чётче. Это может быть важной задачей при подготовке визуализаций данных к презентации.

Заключение

В этом уроке вы научились использовать функцию jointplot() в Seaborn для создания информативных совместных графиков. Совместные графики позволяют создавать полезные визуализации, которые отображают как бивариативное распределение (например, точечную диаграмму), так и распределение каждой из отдельных переменных. Сначала вы научились создавать простые совместные графики. Затем вы узнали, как настраивать тип основного графика. Наконец, вы узнали, как настроить график, используя размер, заголовки и метки осей.

Дополнительные ресурсы

Чтобы узнать больше о связанных темах, посетите ресурсы ниже:

  • Тепловая карта Seaborn: полное руководство

  • Создание сеток с несколькими графиками в Seaborn с помощью FacetGrid

Пример совместного сюжета, созданного и настроенного с помощью Seaborn
Создание простого совместного графика в Seaborn
Добавление дополнительных деталей с помощью цвета в Seaborn JointPlots
Создание диаграмм KDE в Seaborn Jointplot
Создание гистограмм в Seaborn Jointplot
Создание Hexplots в Seaborn Jointplot
Построение остаточных графиков в Seaborn Jointplot
Изменение размера совместного графика Seaborn
Настройка совместного графика Seaborn с помощью заголовков, меток осей и легенд

Диаграммы рассеяния Seaborn в Python: полное руководство
Seaborn Jointplot() – Официальная документация
Что такое совместные графики?
онимание функции Seaborn jointplot()
Создание простого совместного графика с помощью Seaborn
Добавление дополнительных деталей к графикам соединений Seaborn с помощью цвета
Использование графиков KDE в совместных графиках Seaborn
Использование гистограмм в совместных графиках Seaborn
Использование шестнадцатеричных графиков в совместных графиках Seaborn
Построение графика регрессии в Seaborn Joint Plots
Построение остаточного графика в Seaborn Joint Plots
Изменение размера совместного графика Seaborn
Настройка совместного графика Seaborn с заголовком, метками осей и легендами
Заключение
Дополнительные ресурсы
Adding Additional Detail with Color in Seaborn JointPlots
Creating KDE Charts in Seaborn jointplot
Cutomizing a Seaborn jointplot with Titles, Axis Labels, and Legends
Creating a Simple Joint Plot in Seaborn
Creating Hexplots in Seaborn jointplot
Cutomizing a Seaborn jointplot with Titles, Axis Labels, and Legends
Creating Histograms in Seaborn jointplot
Plotting Regression Plots in Seaborn jointplot
Changing the Size of a Seaborn jointplot
Plotting Residual Plots in Seaborn jointplot