Parcela en Seaborn

Hay muchos tipos de parcelas disponibles en el módulo seaborn. Sin embargo, cuando trabajamos con valores categóricos, es posible que necesitemos un método constante para graficar los datos, ya que las diferentes funciones de la gráfica funcionan de manera diferente. Este método no es coherente con los datos. La función catplot() de este módulo se utiliza para trabajar con datos categóricos de manera eficiente. Esta función se creó para mejorar la función factorplot() en las versiones recientes del módulo seaborn.

Nos permite trabajar con valores categóricos de manera eficiente y podemos trazar los datos en ocho tipos diferentes de gráficos especificados por el parámetro kind. La función catplot() devuelve un objeto de tipo FacetGrid() para que se pueda utilizar de manera eficiente para trazar gráficos para múltiples características en la misma figura.

Es sencillo utilizar la función catplot(). Consulte el siguiente código.

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.DataFrame(
    {
        "Product": [1, 1, 2, 3, 1, 2, 2, 3, 3, 3, 3, 1, 2, 2, 1],
        "Max_Price": [78, 79, 55, 26, 80, 54, 50, 24, 25, 22, 23, 80, 53, 54, 77],
    }
)

sns.catplot(data=df, x="Product", y="Max_Price", kind="strip")

Tenga en cuenta que trazamos las categorías de productos sobre el eje x y la característica requerida Max_Price sobre el eje y. Este método es útil para estudiar diferentes características con categorías.

En el código anterior, trazamos un stripplot() especificando el parámetro kind como strip. Podemos cambiarlo a cualquier gráfico requerido como bar para barplot(), box para boxplot(), y más. Consulte la imagen de abajo para saber más sobre todas las diferentes parcelas posibles usando esta función.

Se pueden utilizar otros argumentos para personalizar la figura final. Por ejemplo, podemos alterar el tamaño de la figura final usando los parámetros height y aspect, respectivamente, cambiar el orden de las categorías trazadas usando el parámetro order, y más.