Seaborn-facet-grid

Seaborn-ファセットグリッド

中次元データを探索する便利なアプローチは、データセットの異なるサブセットに同じプロットの複数のインスタンスを描画することです。

この手法は一般に「格子」または「トレリス」プロットと呼ばれ、「小さな倍数」の概念に関連しています。

これらの機能を使用するには、データがPandas DataFrameに含まれている必要があります。

データサブセットの小さな倍数のプロット

前の章で、FacetGridクラスが1つの変数の分布と、複数のパネルを使用してデータセットのサブセット内の複数の変数間の関係を視覚化するのに役立つFacetGridの例を見てきました。

FacetGridは、行、列、色相の3次元まで描画できます。 最初の2つは、結果の軸の配列と明らかに対応しています。色相変数は、深さ軸に沿った3番目の次元と考えてください。ここでは、異なるレベルが異なる色でプロットされます。

*FacetGrid* オブジェクトは、入力としてデータフレームを受け取り、グリッドの行、列、または色相の次元を形成する変数の名前を受け取ります。

変数はカテゴリである必要があり、変数の各レベルのデータはその軸に沿ったファセットに使用されます。

例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('tips')
g = sb.FacetGrid(df, col = "time")
plt.show()

出力

グラフ

上記の例では、何も描画しない facetgrid オブジェクトを初期化したばかりです。

このグリッドのデータを視覚化する主なアプローチは、* FacetGrid.map（）*メソッドを使用することです。 ヒストグラムを使用して、これらの各サブセットのヒントの分布を見てみましょう。

例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('tips')
g = sb.FacetGrid(df, col = "time")
g.map(plt.hist, "tip")
plt.show()

出力

differentiation

パラメーターcolのため、プロットの数は複数です。 前の章でcolパラメーターについて説明しました。

リレーショナルプロットを作成するには、複数の変数名を渡します。

例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('tips')
g = sb.FacetGrid(df, col = "sex", hue = "smoker")
g.map(plt.scatter, "total_bill", "tip")
plt.show()

出力

比率