MODUL PERKULIAHAN
W542100001 –
Analisis Data
Visualisasi dengan Seaborn
Abstrak Sub-CPMK
Seaborn adalah pustaka visualisasi data yang luar biasa untuk grafik statistik
yang diplot dengan Python . Ini memberikan gaya default yang indah dan palet warna
untuk membuat plot statistik lebih menarik. Itu dibangun di atas perpustakaan
matplotlib dan juga terintegrasi erat dengan struktur data dari panda. Dalam tutorial
ini, kita akan melihat bagaimana menggunakan seaborn untuk membuat berbagai plot
dan bagaimana kita dapat menggunakannya bersama dengan matplotlib untuk
membuat plot kita lebih menarik.
1. Menginstall Seaborn
2. Import Data dan Plot Seaborn
3. Gaya dan Tema di Seaborn
4. Palet Warna Seaborn
5. Fungsi pada Seaborn
1. Merencanakan dengan fungsi relplot
2. Plotting with the relplot function
3. Histogram
4. Bar Plot
5. Count Plot
6. Point Plot
7. Joint Plot
8. Regplot
9. Lm Plot
10. KDE Plot
11. Box Plot
12. Violin Plot
13. Heatmap
14. Cluster map
15. Facetgrid
16. Pair Plot
Sekarang mari kita lihat bagaimana kita dapat menata plot ini menggunakan
fungsi set()
1 from matplotlib import pyplot as plt
2 import seaborn as sns
3 plt.scatter(df.speeding,df.alcohol)
4 sns.set()
5 plt.show()
Keluaran:
Tetapi memiliki sejumlah tema yang terbatas mungkin tidak terlalu bagus seperti yang
selalu kami harapkan untuk beberapa fleksibilitas. Dengan mengingat hal ini, gaya ini
dapat disesuaikan dan dapat disesuaikan dengan meneruskan kamus parameter ke
fungsi set_style() dari perpustakaan Seaborn. Parameter yang tersedia dilihat
menggunakan fungsi axes_style() seperti yang ditunjukkan di bawah ini:
1 import seaborn as sns
2 param=sns.axes_style()
3 param
Output:
{'axes.axisbelow': True,
'axes.edgecolor': '.15',
'axes.facecolor': 'white',
'axes.grid': False,
Seaborn juga memungkinkan kita untuk mengontrol elemen individual dari grafik kita
dan dengan demikian kita dapat mengontrol skala elemen ini atau plot dengan
menggunakan fungsi set_context(). Kami memiliki empat templat prasetel untuk
konteks, berdasarkan ukuran relatif, konteksnya dinamai sebagai berikut:
1 sns.palplot(sns.color_palette("PiYG", 10))
1 sns.palplot(sns.color_palette("GnBu", 10))
Berikut adalah daftar palet yang dapat Anda coba sendiri. Anda akan melihat banyak
penggunaan palet warna ini di plot yang akan datang.
'Aksen', 'Accent_r', 'Blues', 'Blues_r', 'BrBG',
'BrBG_r', 'BuGn', 'BuGn_r', 'BuPu', 'BuPu_r', 'CMRmap',
'CMRmap_r', 'Dark2', 'Dark2_r', 'GnBu', 'GnBu_r',
'Hijau', 'Hijau_r', 'Abu-abu', 'Abu-abu_r', 'OrRd',
'OrRd_r', 'Jeruk', 'Jeruk_r', 'PRGn', 'PRGn_r',
'Berpasangan', 'Berpasangan_r', 'Pastel1', 'Pastel1_r', 'Pastel2',
'Pastel2_r', 'PiYG', 'PiYG_r', 'PuBu', 'PuBuGn', 'PuBuGn_r',
'PuBu_r', 'PuOr', 'PuOr_r', 'PuRd', 'PuRd_r', 'Ungu',
'Purples_r', 'RdBu', 'RdBu_r', 'RdGy', 'RdGy_r', 'RdPu',
'RdPu_r', 'RdYlBu', 'RdYlBu_r', 'RdYlGn', 'RdYlGn_r',
'Merah', 'Merah_r', 'Set1', 'Set1_r', 'Set2', 'Set2_r',
'Set3', 'Set3_r', 'Spectral', 'Spectral_r', 'Wistia',
'Wistia_r', 'YlGn', 'YlGnBu', 'YlGnBu_r', 'YlGn_r',
'YlOrBr', 'YlOrBr_r', 'YlOrRd', 'YlOrRd_r', 'afmhot',
'afmhot_r', 'musim gugur', 'musim gugur_r', 'biner', 'biner_r',
'tulang', 'tulang_r', 'brg', 'brg_r', 'bwr', 'bwr_r', 'cividis',
'cividis_r', 'keren', 'keren_r', 'keren', 'keren_r',
'tembaga', 'tembaga_r', 'cubehelix', 'cubehelix_r', 'bendera',
'flag_r', 'Gist_earth', 'Gist_earth_r', 'Gist_gray',
'Gist_gray_r', 'Gist_heat', 'Gist_heat_r', 'Gist_ncar',
'Gist_ncar_r', 'Gist_rainbow', 'Gist_rainbow_r',
'Gist_stern', 'Gist_stern_r', 'Gist_yarg', 'Gist_yarg_r',
Pustaka Seaborn memberi kita fungsi relplot() dan fungsi ini menyediakan akses ke
beberapa fungsi tingkat sumbu yang berbeda yang menunjukkan hubungan antara
dua variabel dengan pemetaan subset semantik. Parameter jenis memilih fungsi
tingkat sumbu yang mendasari untuk digunakan:
scatterplot() (dengan jenis="scatter")
lineplot() (dengan jenis="line")
Nilai default untuk jenis parameter adalah 'scatter' yang berarti bahwa secara default
fungsi ini akan mengembalikan scatterplot. Berikut adalah beberapa contoh fungsi ini:
1 import seaborn as sns
2 tips = sns.load_dataset("tips")
3 tips.head()
Menggunakan parameter
rona
sns.relplot(data=tips, x="total_bill", y="tip", hue="sex", col="day",
6
col_wrap=2)
Histogram
Plot Bar
Seaborn mendukung banyak jenis plot bar dan Anda akan melihat beberapa di
antaranya di sini. Di sini, seperti yang disebutkan dalam pendahuluan, kita akan
menggunakan seaborn dan matplotlib bersama-sama untuk mendemonstrasikan
beberapa plot.
Barplot vertikal
Plot barplot di bawah ini menunjukkan orang-orang yang selamat dari kecelakaan
titanic berdasarkan kategori.
1 import matplotlib.pyplot as plt
2 import seaborn as sns
3