पायथन में कॉलम मानों द्वारा रंग-कोडिंग स्कैटर प्लॉट्स

डेटा विज़ुअलाइज़ेशन में, विभिन्न श्रेणियों में रंग निर्दिष्ट करने से स्पष्टता बढ़ सकती है और पैटर्न प्रकट हो सकते हैं। यह कार्यक्षमता R के लिए ggplot2 में आसानी से उपलब्ध है, लेकिन हम पांडा और matplotlib का उपयोग करके पायथन में इसे कैसे प्राप्त कर सकते हैं? , सीबॉर्न जानकारीपूर्ण और दृश्यात्मक रूप से आकर्षक कथानक बनाने के लिए एक शक्तिशाली पुस्तकालय के रूप में उभरा है। इसके हालिया अपडेट कॉलम मानों के आधार पर स्कैटर प्लॉट को रंगने के लिए सुविधाजनक फ़ंक्शन प्रदान करते हैं:

seborn.relplot का उपयोग करना

: यह उच्च-स्तरीय फ़ंक्शन matplotlib.pyplot.scatter और Seaborn के पहलुओं को जोड़ता है फेसेटग्रिड। यह स्वचालित रूप से निर्दिष्ट रंग और क्रम मापदंडों के आधार पर रंग कोडिंग को संभालता है। FacetGrid और रंग के आधार पर रंगों को अनुकूलित करें। श्रेणीगत कॉलम के आधार पर बिंदुओं के लिए:

matplotlib.pyplot को plt के रूप में आयात करें पांडा को पीडी के रूप में आयात करें def dfस्कैटर(df, xcol='ऊंचाई', ycol='वजन', catcol='लिंग'): अंजीर, कुल्हाड़ी = plt.subplots() श्रेणियाँ = np.unique(df[catcol]) रंग = np.linspace(0, 1, len(श्रेणियाँ)) colordict = dict(ज़िप(श्रेणियाँ, रंग)) डीएफ["रंग"] = डीएफ[कैटकॉल].लागू करें(लैम्ब्डा एक्स: कलरडिक्ट[एक्स]) ax.scatter(df[xcol], df[ycol], c=df["रंग"]) वापसी चित्र
• यह फ़ंक्शन अद्वितीय श्रेणी मानों से एक रंग शब्दकोश बनाता है और डेटा बिंदुओं को संबंधित रंग निर्दिष्ट करता है। स्कैटर प्लॉट फिर रंग-कोडित बिंदुओं के साथ उत्पन्न होता है। डेटाफ़्रेम({'ऊंचाई': np.append(np.random.सामान्य(6, 0.25, आकार=5), np.random.सामान्य(5.4, 0.25, आकार=5)), 'वजन': np.append(np.random.सामान्य(180, 20, आकार=5), np.random.सामान्य(140, 20, आकार=5)), 'लिंग': ["पुरुष", "पुरुष", "पुरुष", "पुरुष", "पुरुष", "महिला", "महिला", "महिला", "महिला", "महिला"]})
डेटाफ्रेम के साथ dfScatter फ़ंक्शन को कॉल करना:
• fig = dfScatter(df) ) fig.savefig('color_coded_scatterplot.png')

एक स्कैटर प्लॉट तैयार करता है जहां बिंदु लिंग के आधार पर रंगे होते हैं:

[लिंग के आधार पर रंगीन स्कैटर प्लॉट की छवि]

सीबॉर्न का उन्नत सुविधाएँ और कस्टम dfScatter फ़ंक्शन पायथन में स्कैटर प्लॉट में रंग-कोडिंग जोड़ने के लिए लचीले विकल्प प्रदान करते हैं, जिससे डेटा विज़ुअलाइज़ेशन अधिक जानकारीपूर्ण और दृश्य रूप से आकर्षक हो जाता है।