SEABORN PYTHON TUTORIEL PAIRPLOT etc : Les PLUS BEAUX GRAPHIQUES en 1 Ligne de Code ! (19/30)




[ad_1]

Ce tutoriel Python français vous présente Seaborn, la meilleure librairie pour la visualisation de données (Data Visualisation). Seborn permet de créer des graphiques plus beaux et plus travaillés que maplotlib, en écrivant seulement une ligne de code !
Seaborn est parfait pour la visualisation de Dataset Pandas, et permet de faire une bonne exploration statistique des différentes variables de vos données.

Pour commencer, la fonction pairplot de searborn est idéale pour avoir un bon aperçu de votre dataset. Pairplot permet de voir la relation entre chaque variable, et produit également des histogrammes, parfait pour voir comment sont réparties vos données selon les différentes variables.

Seaborn permet également de visualiser les données qui forment des catégories grâce aux boxplot de seaborn. Les boxplots sont idéales et très puissantes, nous les voyons dans ce tutoriel à la minute 09:20

Seaborn est tres facile a prendre en main, il y a peu de fonctions, et elles suivent presque toutes la même structure: (x, y, data, hue)

catplot(x, y, data, hue)
boxplot(x, y, data, hue)
scatterplot(x, y, data, hue)
etc…

Je recommande également d’explorer les fonctions Seaborn distplot() jointplot() et heatmap() qui sont très utilisées dans la pratique en Data Science et en Data Mining.

Amusez-vous bien avec Seaborn, et retenez les fonctions les plus utiles, comme pairplot !

Le site de Seaborn:
https://seaborn.pydata.org/index.html

Les Datasets de Seaborn:
https://github.com/mwaskom/seaborn-data

► MON SITE INTERNET EN COMPLÉMENT DE CETTE VIDÉO:
https://machinelearnia.com/

► Soutenez-moi sur Tipeee pour du contenu BONUS:
https://fr.tipeee.com/machine-learnia

► Recevez gratuitement mon Livre:
APPRENDRE LE MACHINE LEARNING EN UNE SEMAINE
CLIQUEZ ICI:
https://machinelearnia.com/apprendre-le-machine-learning-en-une-semaine/

► Téléchargez gratuitement mes codes sur github:
https://github.com/MachineLearnia

► Abonnez-vous : https://www.youtube.com/channel/UCmpptkXu8iIFe6kfDK5o7VQ

► Pour En Savoir plus : Visitez Machine Learnia : https://machinelearnia.com/

► Qui suis-je ?
Je m’appelle Guillaume Saint-Cirgue et je suis Data Scientist au Royaume Uni. Après avoir suivi un parcours classique maths sup maths spé et avoir intégré une bonne école d’ingénieur, je me suis tourné vers l’intelligence artificielle de ma propre initiative et j’ai commencé à apprendre tout seul le machine learning et le deep learning en suivant des formations payantes, en lisant des articles scientifiques, en suivant les cours du MIT et de Stanford et en passant des week end entier à développer mes propres codes.
Aujourd’hui, je veux vous offrir ce que j’ai appris gratuitement car le monde a urgemment besoin de se former en Intelligence Artificielle.
Que vous souhaitiez changer de vie, de carrière, ou bien développer vos compétences à résoudre des problèmes, ma chaîne vous y aidera.
C’est votre tour de passer à l’action !

► Une question ? Contactez-moi: contact@machinelearnia.com

Source


[ad_2]

Comment List

  • Machine Learnia
    December 18, 2020

    Seaborn c'est beau !!
    J'adore ta chaîne !!
    Tu es très pédagogue et tes vidéos sont de très bonne qualité.
    Merci

  • Machine Learnia
    December 18, 2020

    Bonjour, merci énormément pour ce contenu, je tiens à signaler qu'il faut mettre "species" à la place de "variety" qui ne marche plus je crois

  • Machine Learnia
    December 18, 2020

    bonsoir professeur,pouvez vous faire un cours sur ligthGBM et Boruta? qui sont des techniques assez nouvelles du ML!!!

  • Machine Learnia
    December 18, 2020

    Bonjour. Merci encore pour toutes ces vidéos avec des explications aussi simples et claires que possible.
    J'ai un détail qui me chiffonne. A 9:00 comment se fait-il il que les points ne soient pas alignés sur les abscisses de "pclass". Est-ce que catplot induit un éparpillement des points pour faciliter la lecture et si oui est-ce qu'on peut gérer cet éparpillement ? Merci**1000

  • Machine Learnia
    December 18, 2020

    Lol, le jeu d'acteur s'améliore….

  • Machine Learnia
    December 18, 2020

    Merci, superbes explications

  • Machine Learnia
    December 18, 2020

    Excellent et toujours sympa Guillaume 😉. Merci pour la presa de ces supers outils

  • Machine Learnia
    December 18, 2020

    Excellente vidéo à nouveau. Merci Guillaume

  • Machine Learnia
    December 18, 2020

    the best <3

  • Machine Learnia
    December 18, 2020

    Dans la correction de l'exercice sur les bitcoins tu utilises Matplotlib version OBJET : ce n'est pas bien du tout.
    Ce n'est pas moi qui l'ai dit… c'est toi… 😉

  • Machine Learnia
    December 18, 2020

    Bravo, merci pour votre aide !

  • Machine Learnia
    December 18, 2020

    Je vous remerci infinemment pour cette formation.Je veux savoir comment on peut combiner un graphe en barres et un graphe linéaire avec les mêmes axes?

  • Machine Learnia
    December 18, 2020

    Top ce package => Excel une nouvelle fois KO au premier round! 😅
    La combinaison de pairplot à du clustering me semble idéale.

  • Machine Learnia
    December 18, 2020

    salut j'ai essaiyé la chose suivante avec le data set titanic : sns.pairplot(titanc,hue='pclass')
    ca marche pas et voici l'erreure : RuntimeError: Selected KDE bandwidth is 0. Cannot estiamte density.

  • Machine Learnia
    December 18, 2020

    Bonsoir,
    Merci pour la formation. j'ai une question, vous avez demandé dans l'exercice de faire le calcule sur les 28 derniers jours mais la fonction Rolling fait le calcul sur une fenêtre de 28 jours depuis le début de la période jusqu’à la fin non seulement sur les derniers 28 jours.
    merci, cordialement

  • Machine Learnia
    December 18, 2020

    Thank you. Excellent videos!!

  • Machine Learnia
    December 18, 2020

    Super vidéo comme d'hab , pour moi plutôt Seaborn

  • Machine Learnia
    December 18, 2020

    si au lieu de mettre variety on met genre le nom de 2 variétés, ça marchera ?

  • Machine Learnia
    December 18, 2020

    bravo bonne continuation

  • Machine Learnia
    December 18, 2020

    Bonjour Guillaume.
    Lorsque que je veux lancer la première visualisation avec .pairplot(). Python me retourne une erreur

    module 'seaborn' has no attribute 'pairplot'

    Est-ce que tu sais comment résoudre ce problème ? Merci bcp !

  • Machine Learnia
    December 18, 2020

    je peux aimer deux fois la video??

  • Machine Learnia
    December 18, 2020

    C'est très impressionant comme les graphiques en sortie sont super sexy ! Moi qui cherchais encore quelques arguments pour remplacer matlab, je crois que celui ci va être assez critique!

    Encore merci pour cette formation 😉

  • Machine Learnia
    December 18, 2020

    Bonjour Guillaume. @15'00" de la video tu arrives à zoomer dans les graphes, chose que je n'arrive pas à faire sous Spyder et Jupyter (quelque soit le mode des graphes, POO ou classique). Faut-il utiliser un autre IDE ou alors utiliser une option particulière sous Spyder/Jupyter ?

  • Machine Learnia
    December 18, 2020

    Seaborn est le meilleur pour le Big-data. merci beaucoup pour l'excellent vidéo.

  • Machine Learnia
    December 18, 2020

    respect and thank you for all

  • Machine Learnia
    December 18, 2020

    bonjour guillaume souvent j'ai du mal à comprendre lorsque tu parle de distribution normale

  • Machine Learnia
    December 18, 2020

    vous pouvez essayer aussi sns.pairplot(iris, hue='species') au lieu sns.pairplot(iris, hue='variety')

  • Machine Learnia
    December 18, 2020

    merci <3

  • Machine Learnia
    December 18, 2020

    Seaborn ou matplotlib: le choix dépend du L'object ou la tâche qu'on doit réaliser. n'est ce pas? plz j'attend votre réponse

  • Machine Learnia
    December 18, 2020

    Seaborn ou matplotlib? Il faudrait avoir un probème pour choisir matplotlib

  • Machine Learnia
    December 18, 2020

    Super! je decouvre ainsi seaborn, et les faciités que ça offre dans la visualisation des données. Merci le Pro!

  • Machine Learnia
    December 18, 2020

    merci mon grand, sinon quel est votre meilleur projet réalisé en data science

  • Machine Learnia
    December 18, 2020

    Superbe vidéos comme toujours, merci infiniment et bonne continuation, je suis impatient de voir la suite, merci encore, non seulement que vous expliquez les fonctions mais aussi les graphes, leurs types et leurs utilité genre quand est ce que on utilise tel graphe dans telle situation etc…
    Vraiment merci et bon courage.

  • Machine Learnia
    December 18, 2020

    thanks_excellent_video

  • Machine Learnia
    December 18, 2020

    Excellente vidéo comme d'habitude. Longue vie à toi.

  • Machine Learnia
    December 18, 2020

    Bonjour
    Bravo et merci pour ces videos; est-il possible de créer un histogrammes empilé ? merci d'avance

  • Machine Learnia
    December 18, 2020

    Qui a dit que les data scientistes n'avaient pas de l'humour 😊

  • Machine Learnia
    December 18, 2020

    bonjour Professeur pouvez vouz nous faire un cours sur l'open source Keras python

  • Machine Learnia
    December 18, 2020

    keep going XD

  • Machine Learnia
    December 18, 2020

    moi je préfère seaborn

  • Machine Learnia
    December 18, 2020

    Série de qualité excellente ! Pourtant j'en ai vu, bravo pour le travail, je suis avec impatience les prochaines vidéos !
    Comme évoqué précédemment sur d'autres vidéos, je me réjouis aussi que des vidéos "projet" soient faites, en utilisant un peu de tout ce que tu nous apprends mais sur une application concrète et plus complexe (promis j'aime beaucoup iris et titanic quand même !)

  • Machine Learnia
    December 18, 2020

    Seaborn : ASMR for Data Scientist <3

Write a comment