Menambahkan Countplot (Plot Hitungan) dengan Seaborn

Hello guys! Kali ini kita akan menambahkan Countplot (Plot Hitungan) dengan Seaborn untuk melakukan Visualisasi Grafik dengan Python.

Sumber Kode (Referensi) : Geeksforgeeks.org dan juga menggunakan ChatGPT

Untuk Software-nya, Anda bisa menggunakan Atom, Sublime Text, PyCharm, Spyder, ataupun VS Code. Bahkan Anda juga bisa menggunakan Online Compiler yang ada di Internet seperti Programiz, OneCompiler, OnlineGDB, Trinket, dll. Akan tetapi, Anda juga bisa menggunakan Jupyter Notebook agar lebih praktis.

Countplot adalah plot antara variabel kategoris dan variabel kontinu. Variabel kontinu dalam hal ini adalah jumlah kali variabel kategoris tersebut hadir atau hanya frekuensinya. Secara konsep, count plot dapat dikatakan erat kaitannya dengan histogram atau diagram batang.

Sintaks :

seaborn.countplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=0.75, dodge=True, ax=None, **kwargs)

Parameter : Metode ini menerima parameter berikut yang dijelaskan di bawah ini:

• x, y: Parameter ini mengambil nama variabel dalam data atau data vektor, opsional, Input untuk memplot data format panjang.
• hue: (opsional) Parameter ini mengambil nama kolom untuk encoding warna.
• data: (opsional) Parameter ini mengambil DataFrame, array, atau daftar array, Dataset untuk memplot. Jika x dan y tidak ada, ini diinterpretasikan sebagai format lebar. Jika tidak diharapkan menjadi format panjang.
• order, hue_order: (opsional) Parameter ini mengambil daftar string. Urutan untuk memplot tingkatan kategoris, jika tidak tingkatan diambil dari objek data.
• orient: (opsional) Parameter ini mengambil "v" | "h", Orientasi plot (vertikal atau horizontal). Ini biasanya disimpulkan dari dtype dari variabel input tetapi dapat digunakan untuk menentukan saat variabel "kategoris" adalah numerik atau saat memplot data format lebar.
• color: (opsional) Parameter ini mengambil warna matplotlib, Warna untuk semua elemen, atau seed untuk palet gradien.
• palet: (opsional) Parameter ini mengambil nama palet, daftar, atau kamus, Warna yang digunakan untuk tingkatan berbeda dari variabel hue. Harus sesuatu yang dapat diinterpretasikan oleh color_palette(), atau kamus pemetaan tingkatan hue ke warna matplotlib.
• saturation: (opsional) Parameter ini mengambil nilai float, Proporsi saturasi asli untuk menarik warna. Patches besar sering terlihat lebih baik dengan warna sedikit desaturasi, tetapi atur ini menjadi 1 jika Anda ingin warna plot sempurna cocok dengan spesifikasi warna input.
• dodge: (opsional) Parameter ini mengambil nilai bool, Ketika nesting hue digunakan, apakah elemen harus digeser sepanjang sumbu kategoris.
• ax: (opsional) Parameter ini mengambil matplotlib Axes, Objek Axes untuk menggambar plot, jika tidak menggunakan Axes saat ini.
• kwargs: Parameter ini mengambil pemetaan kunci, nilai, Argumen kata kunci lainnya yang dilewatkan ke matplotlib.axes.Axes.bar().

Hasil/Pengembalian : Mengembalikan objek Axes dengan plot yang digambar di atasnya.

Countplot hanya menunjukkan jumlah kemunculan suatu item berdasarkan jenis kategori tertentu. Dalam bahasa Python, kita dapat membuat count plot menggunakan pustaka seaborn. Seaborn adalah modul dalam Python yang dibangun di atas matplotlib dan digunakan untuk plot statistik yang menarik secara visual.

Contoh : 

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd  # Import pandas or use your dataset
# Sample data (replace this with your actual dataset)
diabetes = pd.read_csv("diabetes.csv")
# Set the style for the plot
sns.set(style="whitegrid")
# Create a figure with subplots
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(12, 4))
# Illustrate count plots
sns.countplot(x='Outcome', data=diabetes, ax=axes[0], palette="pastel")
axes[0].set_title('Count Plot of Outcome')
sns.countplot(x='BloodPressure', data=diabetes, ax=axes[1], palette="pastel")
axes[1].set_title('Count Plot of BloodPressure')
# Adjust layout
plt.tight_layout()
# Show the plot
plt.show()

Output :

Mohon maaf apabila ada kesalahan sedikit pun pada Kode Program ini.

Terima Kasih 😀😊😘👌👍 :)