IRE: Inductive Rule Extraction

IRE: Inductive Rule Extraction

استخراج قانون استقرائی
IRE: Inductive Rule Extraction

IRE: Inductive Rule Extraction

استخراج قانون استقرائی

توابع ترسیم نمودار در seaborn

یکی از بزرگترین نقاط قوت seaborn تنوع و راحتی استفاده توابع موجود برای رسم نمودارها است. به طور مثال ایجاد نمودار پراکندگی (scatter plot) تنها با یک خط کد lmplot() است

 

دو روش کلی که شما می‌توانید انجام دهید:

روش اول (پیشنهادی) ارسال دیتافریم با آرگومان data است و نام ستون‌ها به مقادیر x و y ارسال می‌شوند.

روش دوم ارسال مستقیم داده‌ها به شکل ساختار داده Series به آرگومان‌ها است.

به طور مثال در قطعه کد زیر ستون‌های Attack و Defense به دو روش بیان شده‌اند:

# Recommended way

sns.lmplot(x='Attack', y='Defense', data=df)

# Alternative way

# sns.lmplot(x=df.Attack, y=df.Defense)

خروجی هردو کد، نقاطی به شکل زیر است

به هر حال seaborn تابعی برای رسم نمودار پراکندگی به طور اختصاصی ندارد از این رو در شکل یک خط مورب را مشاهده می‌کنید. در واقع از تابع seaborn برای رسم رگرسیون خطی استفاده کرده‌ایم.

خوشبختانه هر تابع رسم چندین گزینه مفید دارد که می‌توان بنا به نیاز آن‌ها را مقداردهی کرد. نحوه مقداردهی پارامترهای lmplot() به شکل زیر است:

مقدار fit_reg=False برای حذف رگرسیون خطی است چون تنها دنبال نمودار پراکندگی هستیم.

مقدار hue='Stage' برای رنگ‌آمیزی نقطه‌ها است. این آرگومان بسیار کاربردی است زیرا امکان نمایش بعد سومی از اطلاعات را به کمک رنگ نشان می‌دهد.

sns.lmplot(x='Attack', y='Defense', data=df,

fit_reg=False, # No regression line

hue='Stage')   # Color by evolution stage

نظرات 0 + ارسال نظر
برای نمایش آواتار خود در این وبلاگ در سایت Gravatar.com ثبت نام کنید. (راهنما)
ایمیل شما بعد از ثبت نمایش داده نخواهد شد