Strona korzysta z plików cookies w celu realizacji usług i zgodnie z Polityką Plików Cookies.



21.02.2019

Wdrażanie projektów AI

Infrastruktura OVH
21.02.2019

Certyfikacja kluczy

HEUTHES-CAK
21.02.2019

Kopie zapasowe

Veeam Availability for AWS
21.02.2019

Dysk SSD Samsung 970 EVO Plus

Dysk SSD Samsung 970 EVO Plus
21.02.2019

Szyfrowane USB

Kingston IronKey D300 Serialized
21.02.2019

Bezpieczeństwo sieci

Check Point Maestro i seria 6000
21.02.2019

Ochrona danych

Commvault IntelliSnap i ScaleProtect
21.02.2019

Ułatwienie telekonferencji

Plantronics Calisto 3200 i 5200
21.02.2019

Transformacja centrów danych

Fujitsu PRIMEFLEX for VMware vSAN

Python, wykresy w bibliotekach Seaborn

Data publikacji: 21-01-2019 Autor: Grzegorz Kubera

Poznajemy bliżej biblioteki Seaborn i pracujemy na siatkach za pomocą funkcji PairGrid oraz FacetGrid. Dzięki nim, jeśli tylko dysponujemy odpowiednimi danymi, możemy znacząco wpływać na to, jak wygląda końcowy wykres – czyli jak poszczególne wartości zostaną zwizualizowane.

 

W dalszym ciągu zgłębiamy biblioteki Seaborn, które – przypomnijmy – są swojego rodzaju nakładką na Matplotlib i pozwalają lepiej wizualizować dane, szczególnie jeśli zależy nam na atrakcyjnym efekcie wizualnym. Szczegółowe informacje na temat Sea­born można znaleźć na oficjalnej stronie: seaborn.pydata.org.

Zanim zaczniemy, przygotujmy środowisko pracy. Na pasku zadań w Windowsie wpisujemy w tym celu Anaconda Prompt i uruchamiamy wiersz poleceń. Kolejno podajemy komendy:

conda install seaborn
conda install numpy
conda install matplotlib

Wszystkie komendy należy zatwierdzić i po kolei zainstalować biblioteki NumPy, Matplotlib i Seaborn. Jeśli instalowaliśmy je wcześniej, nie musimy robić tego ponownie. Warto natomiast sprawdzić, czy do poszczególnych bibliotek nie ma aktualizacji – jeśli są, zainstalujmy je, zanim zaczniemy pracę w Jupyter Notebooku. Możliwe też, że wyświetli się komunikat o nowszej wersji Anacondy. W tym wypadku warto zainstalować aktualizację, wpisując polecenie:

conda update -n base conda

Po instalacji uruchamiamy Jupytera, wpisując:

jupyter notebook

Kiedy uruchomimy Jupytera, otwieramy notatnik w Pythonie 3, a następnie wpisujemy komendy:

import seaborn as sns
%matplotlib inline
iris = sns.load_dataset(‘iris’)
iris.head()

Komendy te odpowiednio oznaczają, że:
 

  • zaimportowaliśmy biblioteki Seaborn i chcąc z nich korzystać, będziemy podawać funkcje zaczynające się od polecenia sns;
  • będziemy wyświetlać wizualizacje bezpośrednio w notatniku Jupyter, za co odpowiada komenda %matplotlib inline;
  • załadowaliśmy zestaw danych iris (zawiera kwiaty i ich odmiany w języku angielskim wraz z różnymi pomiarami), który jest w postaci DataFrame’u z bibliotek Pandas;
  • wyświetliliśmy zestaw danych w formie tabeli za pomocą komendy iris.head().

 

Tabela z danymi iris wygląda tak:

 

 

Przygotowane w ten sposób środowisko pozwala już rozpocząć naukę siatek (Grids) w Seaborn.

 

[...]
 

Założyciel firmy doradczo-technologicznej, pełnił funkcję redaktora naczelnego w magazynach i serwisach informacyjnych z branży ICT. Dziennikarz z ponad 12-letnim doświadczeniem i autor książek nt. start-upów i przedsiębiorczości. 

Pełna treść artykułu jest dostępna w papierowym wydaniu pisma.

.

Transmisje online zapewnia: StreamOnline

All rights reserved © 2019 Presscom / Miesięcznik "IT Professional"