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


31.12.2020

Cykl webinarów

weinnovators.club
30.12.2020

Integracja z Teams

Veeam Backup
30.12.2020

Namierzanie zagrożeń

Flowmon Networks i Fortinet
30.12.2020

Wsparcie dla przedsiębiorstw

VMware Cloud on AWS
29.12.2020

Nowe NAS-y Thunderbolt 3

QNAP QuTS TVS-h1288X i TVS-h1688X
29.12.2020

Modele kompaktowe

VPL-PHZ60 i VPL-PHZ50
28.12.2020

Dedykowane przemysłowi

Seria TJ
28.12.2020

Nowa generacja

Router QHora-301W

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. 

Artykuł pochodzi z miesięcznika: IT Professional

Pełna treść artykułu jest dostępna w papierowym wydaniu pisma.

.

Transmisje online zapewnia: StreamOnline

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