Textsatz mit \LaTeX, Programmieren, Zahlen, etc.
Hier ein einfaches Beispiel für einen Scatterplot mit Python und dem Seaborn Modul. Das Beispiel nutzt den bekannten Iris-Datensatz von R. Fisher, der gut für Klassifikationstechniken genutzt werden kann.
import seaborn as sns iris=sns.load_dataset('iris') sns.scatterplot(x=iris['sepal_width'],y=iris['sepal_length'],hue=iris['species']) |
Im letzten Beitrag hatten wir mit hue die Zugehörigkeit der Iris Data Orchideen dargestellt, Seaborn besitzt aber mit style und size noch weitere Möglichkeiten der Unterscheidung. style nutzt dabei verschiedene Symbole, size unterschiedliche Punktgrößen. Die verschiedenen Optionen können auch kombiniert werden.
import seaborn as sns sns.set(style = "darkgrid") iris=sns.load_dataset('iris') sns.scatterplot( x=iris['sepal_width'], y=iris['sepal_length'], style=iris['species'], legend=False ) |
import seaborn as sns sns.set(style = "darkgrid") iris=sns.load_dataset('iris') sns.scatterplot( x=iris['sepal_width'], y=iris['sepal_length'], size=iris['species'], legend=False ) |
import seaborn as sns sns.set(style = "darkgrid") iris=sns.load_dataset('iris') sns.scatterplot( x=iris['sepal_width'], y=iris['sepal_length'], hue=iris['species'], style=iris['species'], size=iris['species'], legend=False ) |
Mit Seaborn lassen sich auch Stripplots erstellen, hier ein Beispiel. Die Besonderheit ist hier, dass die pd.melt() Funktion genutzt wird, um aus den verschiedenen Variablen des Datensatzes drei Variablen zu machen: eine für den Typ echt/unecht, eine für den Variablennamen und eine für den Wert der jeweiligen Variablen.
#!/usr/bin/env python # coding: utf-8 import seaborn as sns import pandas as pd import requests from bs4 import BeautifulSoup from io import StringIO import matplotlib.pylab as plt headers = { 'Access-Control-Allow-Origin': '*', 'Access-Control-Allow-Methods': 'GET', 'Access-Control-Allow-Headers': 'Content-Type', 'Access-Control-Max-Age': '3600', 'User-Agent': 'Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:52.0) Gecko/20100101 Firefox/52.0' } url = "http://www.statistics4u.com/fundstat_eng/data_fluriedw.html" req = requests.get(url, headers) soup = BeautifulSoup(req.content, 'html.parser') data=soup.find('pre').contents[0] str_object = StringIO(data) df = pd.read_csv(str_object,engine='python',skiprows=5,delim_whitespace=True) # Banknotes BN1 to BN100 are genuine, all others are counterfeit df['Type'] = 'Counterfeit' df.loc[df.index[:100], 'Type'] = 'Genuine' print(df) sns.set(style="whitegrid", palette="muted") #df = df[['Left', 'Diagonal', 'Type']] df = pd.melt(df, "Type", var_name="Variable") sp = sns.stripplot(x="value", y="Variable", hue="Type", data=df, dodge=True, alpha=.75, zorder=1) #sp.set(xlim=(127, 143)) sp.legend_.remove() plt.show() |
Das Bild, was dabei erzeugt wird, ist aber eher schlecht. Da die Variablen teilweise sehr unterschiedliche Skalen haben, erkennt man eigentlich nur Punktwolken, die übereinander liegen.
Die Lösung besteht darin, nur die Variablen gemeinsam zu plotten, die sehr nah beieinander liegende Skalen haben. Dazu entfernt man die beiden Hashes aus den auskommentierten Python-Zeilen, um nur noch die Variablen Left und Diagonal zu plotten und um die Skale anzupassen.
Dann erkennt man im Bild, dass die Diagonale echte und falsche Banknoten schön voneinander trennt.
