পাইথনে Seaborn-এর stripplot-এ ক্যাটাগরিক্যাল স্ক্যাটার প্লটে পয়েন্ট ওভারল্যাপ কীভাবে রোধ করবেন?

ডেটা ভিজ্যুয়ালাইজেশন একটি গুরুত্বপূর্ণ ধাপ, কারণ এটি সংখ্যা না দেখেই বা জটিল হিসাব না করেই ডেটার ব্যাপার বুঝতে সাহায্য করে। Seaborn ডেটা ভিজ্যুয়ালাইজেশনের একটি লাইব্রেরি, যা কাস্টমাইজড থিম ও হাই-লেভেল ইন্টারফেস প্রদান করে।

সাধারণ স্ক্যাটার প্লট, হিস্টোগ্রাম ইত্যাদি ক্যাটাগরিক্যাল ভেরিয়েবল있는 কাজে লাগে না। তখন ক্যাটাগরিক্যাল স্ক্যাটার প্লট ব্যবহার করতে হয়। stripplot, swarmplot এর মতো প্লট ক্যাটাগরিক্যাল ভেরিয়েবল있는 কাজে লাগে। stripplot ফাংশন তখন ব্যবহৃত হয় যখন কমপক্ষে একটি ভেরিয়েবল ক্যাটাগরিক্যাল হয়। ডেটা একটি অক্ষ অনুযায়ী সাজিয়ে দেখানো হয়। কিন্তু নुकসান হলো কিছু পয়েন্ট ওভারল্যাপ হয়। এখানেই jitter প্যারামিটার ব্যবহার করে ওভারল্যাপ রোধ করা যায়।

এটি ডেটাসেটে কিছু র‍্যান্ডম নয়েজ যোগ করে এবং ক্যাটাগরিক্যাল অক্ষের沿ে মানগুলোর পজিশন ঠিক করে।

stripplot ফাংশনের সিনট্যাক্স

seaborn.stripplot(x, y, data, jitter=...)

jitter প্যারামিটার ব্যবহার করে ক্যাটাগরিক্যাল ভেরিয়েবল প্লট করার উদাহরণ নিচে দেওয়া হলো:

উদাহরণ

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt

my_df = sb.load_dataset('iris')
sb.stripplot(x="species", y="petal_length", data=my_df, jitter=True)
plt.show()

আউটপুট

ব্যাখ্যা

• প্রয়োজনীয় প্যাকেজগুলো ইম্পোর্ট করা হয়েছে।
• ইনপুট ডেটা iris_data scikit-learn লাইব্রেরি থেকে লোড করা হয়েছে।
• ডেটা একটি ডেটাফ্রেমে সংরক্ষণ করা হয়েছে।
• load_dataset ফাংশন ব্যবহার করে আইরিস ডেটা লোড করা হয়েছে।
• stripplot ফাংশন দিয়ে ডেটা ভিজ্যুয়ালাইজ করা হয়েছে।
• ডেটাফ্রেমের মানগুলোর ওভারল্যাপ রোধের জন্য jitter প্যারামিটার পাস করা হয়েছে।
• এখানে ডেটাফ্রেম প্যারামিটার হিসেবে দেওয়া হয়েছে।
• x এবং y মানও নির্দিষ্ট করা হয়েছে।
• ডেটা কনসোলে প্রদর্শন করা হয়েছে।