Kembali ke EDA

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

#load dataset bawaan dari seaborn
iris = sns.load_dataset('iris')
iris

	sepal_length	sepal_width	petal_length	petal_width	species
0	5.1	3.5	1.4	0.2	setosa
1	4.9	3.0	1.4	0.2	setosa
2	4.7	3.2	1.3	0.2	setosa
3	4.6	3.1	1.5	0.2	setosa
4	5.0	3.6	1.4	0.2	setosa
...	...	...	...	...	...
145	6.7	3.0	5.2	2.3	virginica
146	6.3	2.5	5.0	1.9	virginica
147	6.5	3.0	5.2	2.0	virginica
148	6.2	3.4	5.4	2.3	virginica
149	5.9	3.0	5.1	1.8	virginica

150 rows × 5 columns

Apa saja cara yang bisa dipakai untuk membuat plot di seaborn?

List/Series/array
Pandas Dataframe dan kolom
Langsung Dataframenya

*** List/Array/Series ***

#Mengambil isinya saja kolom sepal length dan sepal width
length=iris['sepal_length'].values
width=iris['sepal_width'].values
print(length,width)

[5.1 4.9 4.7 4.6 5.  5.4 4.6 5.  4.4 4.9 5.4 4.8 4.8 4.3 5.8 5.7 5.4 5.1
 5.7 5.1 5.4 5.1 4.6 5.1 4.8 5.  5.  5.2 5.2 4.7 4.8 5.4 5.2 5.5 4.9 5.
 5.5 4.9 4.4 5.1 5.  4.5 4.4 5.  5.1 4.8 5.1 4.6 5.3 5.  7.  6.4 6.9 5.5
 6.5 5.7 6.3 4.9 6.6 5.2 5.  5.9 6.  6.1 5.6 6.7 5.6 5.8 6.2 5.6 5.9 6.1
 6.3 6.1 6.4 6.6 6.8 6.7 6.  5.7 5.5 5.5 5.8 6.  5.4 6.  6.7 6.3 5.6 5.5
 5.5 6.1 5.8 5.  5.6 5.7 5.7 6.2 5.1 5.7 6.3 5.8 7.1 6.3 6.5 7.6 4.9 7.3
 6.7 7.2 6.5 6.4 6.8 5.7 5.8 6.4 6.5 7.7 7.7 6.  6.9 5.6 7.7 6.3 6.7 7.2
 6.2 6.1 6.4 7.2 7.4 7.9 6.4 6.3 6.1 7.7 6.3 6.4 6.  6.9 6.7 6.9 5.8 6.8
 6.7 6.7 6.3 6.5 6.2 5.9] [3.5 3.  3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 3.7 3.4 3.  3.  4.  4.4 3.9 3.5
 3.8 3.8 3.4 3.7 3.6 3.3 3.4 3.  3.4 3.5 3.4 3.2 3.1 3.4 4.1 4.2 3.1 3.2
 3.5 3.6 3.  3.4 3.5 2.3 3.2 3.5 3.8 3.  3.8 3.2 3.7 3.3 3.2 3.2 3.1 2.3
 2.8 2.8 3.3 2.4 2.9 2.7 2.  3.  2.2 2.9 2.9 3.1 3.  2.7 2.2 2.5 3.2 2.8
 2.5 2.8 2.9 3.  2.8 3.  2.9 2.6 2.4 2.4 2.7 2.7 3.  3.4 3.1 2.3 3.  2.5
 2.6 3.  2.6 2.3 2.7 3.  2.9 2.9 2.5 2.8 3.3 2.7 3.  2.9 3.  3.  2.5 2.9
 2.5 3.6 3.2 2.7 3.  2.5 2.8 3.2 3.  3.8 2.6 2.2 3.2 2.8 2.8 2.7 3.3 3.2
 2.8 3.  2.8 3.  2.8 3.8 2.8 2.8 2.6 3.  3.4 3.1 3.  3.1 3.1 3.1 2.7 3.2
 3.3 3.  2.5 3.  3.4 3. ]

sns.scatterplot(x=length,y=width)

*** Dataframe dan Nama Kolomnya ***

sns.scatterplot(x=iris['sepal_length'],y=iris['sepal_width'])

sns.scatterplot(x='sepal_length',y='sepal_width',data=iris)

*** Langsung Menggunakan Dataframenya ***

sns.boxplot(data=iris)

YUK BELAJAR BUAT PLOTNYA

Scatter Plot
Distribution Plot
Count Plot
Box Plot
Heatmap (Benda)

*** SCATTER PLOT ***

#sns.scatterplot(x,y,data) xnya apa, y nya apa dan datanya apa jika pakai dataframe

sns.scatterplot(x='sepal_length',y='sepal_width',data=iris)

#Jika Menggunakan Matplotlib
plt.scatter(x='sepal_length',y='sepal_width',data=iris)

#Seaborn bisa menambahkan hue, Membagi warnanya berdasarkan sesuatu umumnya berdasarkan data kategorik
sns.scatterplot(x='sepal_length',y='sepal_width',data=iris,hue='species')

#Argumen pallete untuk mengasih warna
sns.scatterplot(x='sepal_length',y='sepal_width',data=iris,hue='species',palette='Accent_r')

#Bisa bikin scatterplot dengan ada garis regresinya
sns.regplot(x='sepal_length',y='sepal_width',data=iris)

sns.regplot(x='petal_length',y='petal_width',data=iris)

#bisa mencari nilai korelasinya yaitu dengan .corr
iris['petal_length'].corr(iris['petal_width'])

0.962865431402796

*** DISTRIBUTION PLOT ***

sns.distplot(iris['petal_length'])

F:\kim\anaconda3\lib\site-packages\seaborn\distributions.py:2557: FutureWarning: `distplot` is a deprecated function and will be removed in a future version. Please adapt your code to use either `displot` (a figure-level function with similar flexibility) or `histplot` (an axes-level function for histograms).
  warnings.warn(msg, FutureWarning)

sns.distplot(iris['sepal_width'])

F:\kim\anaconda3\lib\site-packages\seaborn\distributions.py:2557: FutureWarning: `distplot` is a deprecated function and will be removed in a future version. Please adapt your code to use either `displot` (a figure-level function with similar flexibility) or `histplot` (an axes-level function for histograms).
  warnings.warn(msg, FutureWarning)

iris['sepal_width'].skew() #Distribusi Normal skewness nya 0

0.31896566471359966

iris['petal_length'].skew()

-0.27488417975101276

sns.histplot(iris['sepal_width'])

sns.histplot(iris['petal_width'])

#Mencari kumulatif dari sepal width
sns.histplot(iris['sepal_width'],cumulative=True)

*** COUNT PLOT ***

#Ganti data dengan data bawaan seaborn juga yaitu tips
tips=sns.load_dataset('tips')
tips.head(10)

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4
5	25.29	4.71	Male	No	Sun	Dinner	4
6	8.77	2.00	Male	No	Sun	Dinner	2
7	26.88	3.12	Male	No	Sun	Dinner	4
8	15.04	1.96	Male	No	Sun	Dinner	2
9	14.78	3.23	Male	No	Sun	Dinner	2

sns.countplot(x='day',data=tips)

sns.countplot(x='sex',data=tips,palette='Accent')

sns.countplot(x='day',data=tips,hue='sex',palette='Blues')

#Jika ingin mengammbar dalam sumbu vertikal ya y=
sns.countplot(x='sex',data=tips,hue='smoker')

sns.countplot(y='sex',data=tips,hue='smoker')

*** BOX PLOT ***

sns.boxplot(x='sepal_width',data=iris)
#Yang ditengah itu median, yang masih di kotakan berwarna sebelah kiri itu Q1 dan sebelah kanan itu Q3
#untuk jarak kotak Biru ke garis verticalnya itu adalah 1.5 dikali (Q3-Q1)
#Dan yang diluar dari garis vertical dianggap sebagai outlier

sns.boxplot(x='petal_width',data=iris)
#Kenapa jaraknya garisnya kecil? karena itu adalah nilai terkecil dan tidak ada lagi yang makin ke kiri

*** HEATMAP ***

iris.drop('species', axis=1, inplace=True)

iris.corr()

	sepal_length	sepal_width	petal_length	petal_width
sepal_length	1.000000	-0.117570	0.871754	0.817941
sepal_width	-0.117570	1.000000	-0.428440	-0.366126
petal_length	0.871754	-0.428440	1.000000	0.962865
petal_width	0.817941	-0.366126	0.962865	1.000000

sns.heatmap(iris.corr())

sns.heatmap(iris.corr(),cmap='YlGnBu')

sns.heatmap(iris.corr(),cmap='YlGnBu')
plt.xticks(rotation=45)

#Korelasi iris nya harus disimpan ke variabel baru agar code di bawah tidak error
korelasi_iris = iris.corr()

sns.heatmap(korelasi_iris[(korelasi_iris >= 0.5) | (korelasi_iris <= -0.5)], annot = True, cmap = 'Blues', linewidth = 1, linecolor = 'black')