Seaborn – सांख्यिकीय दृश्यावलोकन

Seaborn क्या है और इसकी आवश्यकता क्यों है

Seaborn — Python के लिए एक शक्तिशाली डेटा विज़ुअलाइज़ेशन लाइब्रेरी है, जो Matplotlib पर आधारित है। यह सुंदर और जानकारीपूर्ण सांख्यिकीय ग्राफ़ बनाने के लिए एक उच्च-स्तरीय इंटरफ़ेस प्रदान करती है। इस लाइब्रेरी को डेटा विश्लेषण और मशीन लर्निंग में अक्सर उपयोग किए जाने वाले विज़ुअलाइज़ेशन बनाने की प्रक्रिया को सरल बनाने के लिए विकसित किया गया था।

Seaborn के मुख्य लाभ:

न्यूनतम कोड के साथ स्वचालित रूप से स्टाइलिश ग्राफ़ बनाना pandas DataFrame के साथ उत्कृष्ट एकीकरण सांख्यिकीय विज़ुअलाइज़ेशन के लिए अंतर्निहित फ़ंक्शन श्रेणीबद्ध और संख्यात्मक डेटा के साथ काम करने में सरलता सांख्यिकीय संकेतकों की स्वचालित गणना और प्रदर्शन आधुनिक रंग पैलेट और डिज़ाइन शैलियों के लिए समर्थन

लाइब्रेरी का इतिहास और विकास

Seaborn को Michael Waskom द्वारा 2012 में Matplotlib के पूरक के रूप में बनाया गया था। लाइब्रेरी का नाम टेलीविज़न श्रृंखला "द वेस्ट विंग" से लिया गया है, जहाँ एक पात्र का उपनाम Seaborn था। लाइब्रेरी सक्रिय रूप से विकसित हो रही है और नियमित रूप से अपडेट होती है, नई सुविधाएँ जोड़ती है और मौजूदा क्षमताओं में सुधार करती है।

Seaborn की स्थापना और कॉन्फ़िगरेशन

pip के माध्यम से स्थापना

pip install seaborn

conda के माध्यम से स्थापना

conda install seaborn

कोड में आयात करना

import seaborn as snsimport matplotlib.pyplot as pltimport pandas as pdimport numpy as np

संस्करण की जाँच करना

print(sns.__version__)

Seaborn और Matplotlib के बीच मुख्य अंतर

आर्किटेक्चर और कार्य सिद्धांत

Seaborn "ग्राफ़िक्स के व्याकरण" का उपयोग करता है — एक अवधारणा जहाँ विज़ुअलाइज़ेशन अलग-अलग घटकों से बनाया जाता है: डेटा, सौंदर्य तत्व, ज्यामितीय ऑब्जेक्ट और सांख्यिकीय परिवर्तन। यह सरल तत्वों को मिलाकर जटिल विज़ुअलाइज़ेशन बनाने की अनुमति देता है।

Seaborn में डेटा के साथ कार्य करना

अंतर्निहित डेटासेट

Seaborn में सीखने और प्रयोगों के लिए कई तैयार डेटासेट शामिल हैं:

# लोकप्रिय डेटासेट लोड करनाdf = sns.load_dataset("tips")print(df.head())

# सभी उपलब्ध डेटासेट देखनाprint(sns.get_dataset_names())

डेटा तैयार करना

# अपना स्वयं का डेटासेट बनाने का उदाहरणimport numpy as npimport pandas as pd

data = {    'x': np.random.randn(100),    'y': np.random.randn(100),    'category': np.random.choice(['A', 'B', 'C'], 100)}df = pd.DataFrame(data)

Seaborn में ग्राफ़ के मुख्य प्रकार

वितरण का विज़ुअलाइज़ेशन

हिस्टोग्राम और वितरण

# हिस्टोग्राम बनाने का आधुनिक तरीकाsns.histplot(df["total_bill"], bins=20, kde=True)plt.title("बिल की राशि का वितरण")plt.show()

# घनत्व ग्राफ़sns.kdeplot(df["total_bill"], shade=True)plt.show()

अनुभवजन्य वितरण फलन