Kita dapat meneruskan berbagai parameter ke rencana bersama 'like' jenis (reg, hex, kde), stat_func(spearmanr), warna, ukuran, rasio dll.
Parameter Spearmanr
- Parameter Spearmanr menampilkan korelasi antara dua variabel.
- Nilainya bervariasi antara -1 dan +1 dengan 0 berarti tidak ada korelasi.
- Korelasi -1 atau +1 menyiratkan hubungan monotonik yang tepat.
- Korelasi positif menyiratkan bahwa ketika x meningkat, maka y juga akan meningkat. Korelasi negatif menyiratkan bahwa ketika x meningkat, maka y akan menurun.
- Korelasi Spearmanr tidak mengasumsikan bahwa kedua variabel terdistribusi normal.
Langkah 1: Impor pustaka yang diperlukan
impor numpy sebagai np
impor panda sebagai pd
impor seaborn sebagai sns
impor matplotlib.pyplot sebagai plt
%matplotlib sebaris
dari scipy.stats impor spearmanr
Langkah 2: Muat kumpulan data Tips
tips=sns.muat_dataset('tips')
tips.kepala()
Langkah 3: Jelajahi data menggunakan Joint Plot
sns.jointplot(x='total_tagihan', y='tips', data=tips)
Tambahkan garis regresi ke diagram sebar dan estimasi kepadatan kernel ke histogram
sns.jointplot(x='total_tagihan', y='tips', data=tips, jenis='reg')
Menampilkan estimasi kepadatan kernel alih-alih diagram sebar dan histogram
sns.jointplot(x='total_tagihan', y='tips', data=tips, jenis='kde')
Menampilkan segi enam alih-alih titik dalam diagram sebar
sns.jointplot(x='total_tagihan', y='tips', data=tips, jenis='heksagonal')
Menampilkan korelasi menggunakan fungsi spearmanr
sns.jointplot(x='total_tagihan', y='tips', data=tips, fungsi_stat=spearmanr)
Parameter kosmetik seperti warna, ukuran dan rasio
sns.jointplot(x='total_tagihan', y='tips', data=tips, warna='hijau')
sns.jointplot(x='total_tagihan', y='tips', data=tips, perbandingan= 4, ukuran= 6)
Anda dapat mengunduh buku catatan Jupyter saya dari di siniSaya sarankan untuk mencoba kode di atas dengan dataset Iris juga.
