Seaborn হল একটি লাইব্রেরি যা ডেটা ভিজ্যুয়ালাইজ করতে সাহায্য করে। এটি কাস্টমাইজড থিম এবং একটি উচ্চ স্তরের ইন্টারফেসের সাথে আসে৷
কার্নেল ঘনত্ব অনুমান, কেডিই নামেও পরিচিত একটি পদ্ধতি যেখানে একটি অবিচ্ছিন্ন র্যান্ডম ভেরিয়েবলের সম্ভাব্যতা ঘনত্ব ফাংশন অনুমান করা যায়। এই পদ্ধতিটি অ-প্যারামেট্রিক মানগুলির বিশ্লেষণের জন্য ব্যবহৃত হয়। 'জয়েন্টপ্লট' ব্যবহার করার সময়, যদি আর্গুমেন্ট 'কাইন্ড' কে 'কেডি'-তে সেট করা হয়, তাহলে এটি কার্নেলের ঘনত্ব অনুমান প্লট প্লট করে।
আসুন আমরা বুঝতে পারি কিভাবে 'জয়েন্টপ্লট' ফাংশনটি পাইথনে কার্নেলের ঘনত্বের অনুমান প্লট করতে কাজ করে।
উদাহরণ
import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('iris')
sb.jointplot(x = 'petal_length',y = 'petal_width',data = my_df,kind = 'kde')
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 সংরক্ষণ করা হয়৷
৷ -
'লোড_ডেটাসেট' ফাংশনটি আইরিস ডেটা লোড করতে ব্যবহৃত হয়।
-
এই ডেটা 'জয়েন্টপ্লট' ফাংশন ব্যবহার করে কল্পনা করা হয়।
-
এখানে, 'x' এবং 'y' অক্ষের মানগুলি পরামিতি হিসাবে সরবরাহ করা হয়৷
-
এখানে, 'কাইন্ড' প্যারামিটারটিকে 'kde' হিসাবে নির্দিষ্ট করা হয়েছে যাতে প্লটটি কার্নেলের ঘনত্বের অনুমান প্রিন্ট করতে বুঝতে পারে।
-
এই কার্নেল ঘনত্ব অনুমান ডেটা কনসোলে প্রদর্শিত হয়৷
৷
