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



23.04.2019

Optymalizacja zużycia chmury

HPE GreenLake Hybrid Cloud
23.04.2019

Zarządzanie wydajnością

VMware vRealize Operations 7.5
19.04.2019

Technologie open source

SUSECON 2019
19.04.2019

Wyjątkowo małe

OKI seria C800
19.04.2019

Łatwy montaż

Rittal AX i KX
18.04.2019

Technologie wideo

Avaya IX Collaboration Unit
18.04.2019

Krótki rzut

Optoma W318STe i X318STe
18.04.2019

Do mobilnej pracy

Jabra Evolve 65e
27.03.2019

Pożegnanie z systemem Windows...

System operacyjny Windows 7 wciąż cieszy się dużą popularnością wśród użytkowników...

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"