Seaborn হল একটি লাইব্রেরি যা ডেটা ভিজ্যুয়ালাইজ করতে সাহায্য করে। এটি কাস্টমাইজড থিম এবং একটি উচ্চ স্তরের ইন্টারফেসের সাথে আসে। রিয়েল-টাইম পরিস্থিতিতে, ডেটাসেটে অনেকগুলি ভেরিয়েবল থাকে। কখনও কখনও, ডেটাসেটের প্রতিটি পরিবর্তনশীলের সাথে প্রতিটি ভেরিয়েবলের সম্পর্ক বিশ্লেষণ করার প্রয়োজন হতে পারে। এই ধরনের পরিস্থিতিতে, দ্বিমুখী বন্টন খুব বেশি সময় নিতে পারে এবং সেইসাথে জটিলও হতে পারে।
এখানেই একাধিক পেয়ারওয়াইজ বাইভারিয়েট ডিস্ট্রিবিউশন ছবিতে আসে। 'পেয়ারপ্লট' ফাংশনটি ডেটাফ্রেমে ভেরিয়েবলের সমন্বয়ের মধ্যে সম্পর্ক পেতে ব্যবহার করা যেতে পারে। আউটপুট হবে একটি ভিন্ন প্লট।
পেয়ারপ্লট ফাংশনের সিনট্যাক্স
seaborn.pairplot(data,…)
এখন আসুন আমরা বুঝতে পারি কিভাবে এটি একটি গ্রাফে প্লট করা যায় -
উদাহরণ
import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('iris')
sb.set_style("ticks")
sb.pairplot(my_df,hue = 'species',diag_kind = "kde",kind = "scatter",palette = "husl")
plt.show() আউটপুট
ব্যাখ্যা
- প্রয়োজনীয় প্যাকেজগুলি আমদানি করা হয়৷ ৷
- ইনপুট ডেটা হল 'iris_data' যা scikit learn লাইব্রেরি থেকে লোড করা হয়।
- এই ডেটা একটি ডেটাফ্রেমে সংরক্ষিত থাকে৷ ৷
- 'load_dataset' ফাংশনটি আইরিস ডেটা লোড করতে ব্যবহৃত হয়।
- এই ডেটা 'পেয়ারপ্লট' ফাংশন ব্যবহার করে কল্পনা করা হয়।
- এখানে, ডেটাফ্রেম প্যারামিটার হিসাবে সরবরাহ করা হয়েছে।
- এখানে, 'কাইন্ড' প্যারামিটারটিকে 'kde' হিসাবে নির্দিষ্ট করা হয়েছে যাতে প্লটটি কার্নেলের ঘনত্বের অনুমান প্রিন্ট করতে বুঝতে পারে।
- প্লটের ধরনটিকে স্ক্যাটারপ্লট হিসেবে উল্লেখ করা হয়েছে।
- এই ডেটা কনসোলে প্রদর্শিত হয়৷ ৷
