Seaborn হলো একটি শক্তিশালী পাইথন লাইব্রেরি যা Matplotlib এর ওপর ভিত্তি করে তৈরি এবং এটি ডেটা ভিজ্যুয়ালাইজেশনকে সহজ এবং আরও উন্নত করে তোলে। Seaborn বিভিন্ন ধরনের উন্নত গ্রাফ এবং প্লট তৈরি করার জন্য ব্যবহৃত হয়, যেমন: কাঠামোগত ডেটা, সম্পর্ক বিশ্লেষণ, এবং অন্যান্য প্যাটার্ন খুঁজে বের করা। এটি ডেটা সায়েন্স, মেশিন লার্নিং এবং গবেষণায় বিশ্লেষণগত ভিজ্যুয়ালাইজেশন তৈরি করতে গুরুত্বপূর্ণ ভূমিকা পালন করে।
Seaborn এর সাহায্যে আপনি খুব সহজেই হিটম্যাপ, পার্টি প্লট, স্ক্যাটার প্লট, বক্স প্লট এবং আরও অনেক ধরনের প্লট তৈরি করতে পারবেন।
১. Seaborn ইনস্টলেশন
Seaborn ইনস্টল করা খুবই সহজ। আপনি নিচের কমান্ড ব্যবহার করে এটি ইনস্টল করতে পারেন:
pip install seaborn
২. Seaborn দিয়ে ভিজ্যুয়ালাইজেশন তৈরি
Seaborn দিয়ে বিভিন্ন ধরনের ভিজ্যুয়ালাইজেশন তৈরি করা যায়, যেমন:
সাধারণ প্লট তৈরি (Simple Plot)
import seaborn as sns
import matplotlib.pyplot as plt
# ডেটাসেট লোড করা
tips = sns.load_dataset('tips')
# Scatter plot তৈরি করা
sns.scatterplot(x='total_bill', y='tip', data=tips)
# প্লট দেখানো
plt.show()
এই কোডটি total_bill এবং tip এর মধ্যে সম্পর্ক দেখানোর জন্য একটি সাদাসিধে স্ক্যাটার প্লট তৈরি করবে।
বক্স প্লট (Box Plot)
বক্স প্লট ব্যবহার করা হয় ডেটার বিস্তার, মধ্যম মান এবং আউটলায়ার বিশ্লেষণ করার জন্য।
# Box plot তৈরি করা
sns.boxplot(x='day', y='total_bill', data=tips)
# প্লট দেখানো
plt.show()
এটি সপ্তাহের বিভিন্ন দিন অনুযায়ী বিলের পরিমাণের জন্য একটি বক্স প্লট তৈরি করবে।
হিটম্যাপ (Heatmap)
হিটম্যাপ ব্যবহার করা হয় ডেটার মধ্যে সম্পর্কের তাপমাত্রা বিশ্লেষণ করার জন্য। এটি সংখ্যার ডেটাকে রঙিন আকারে উপস্থাপন করে।
# সহ-সম্পর্ক ম্যাট্রিক্স তৈরি করা
corr = tips.corr()
# Heatmap তৈরি করা
sns.heatmap(corr, annot=True, cmap='coolwarm')
# প্লট দেখানো
plt.show()
এটি tips ডেটাসেটের সহ-সম্পর্ক ম্যাট্রিক্সের উপর ভিত্তি করে একটি হিটম্যাপ তৈরি করবে, যা বিভিন্ন ফিচারের মধ্যে সম্পর্ক দেখাবে।
লিনিয়ার রিগ্রেশন প্লট (Regression Plot)
লিনিয়ার রিগ্রেশন প্লট সম্পর্কের মধ্যে একটি রিগ্রেশন লাইন অংকন করতে ব্যবহৃত হয়। এটি সাধারণত দুটি ভেরিয়েবলের মধ্যে সম্পর্ক বিশ্লেষণ করতে ব্যবহৃত হয়।
# Regression plot তৈরি করা
sns.regplot(x='total_bill', y='tip', data=tips)
# প্লট দেখানো
plt.show()
এটি total_bill এবং tip এর মধ্যে সম্পর্কের জন্য একটি লিনিয়ার রিগ্রেশন লাইন তৈরি করবে।
পেয়ার প্লট (Pair Plot)
পেয়ার প্লট ব্যবহার করা হয় একটি ডেটাসেটের মধ্যে সব ধরনের সম্পর্কের ভিজ্যুয়াল রিপ্রেজেন্টেশন দেখানোর জন্য।
# Pairplot তৈরি করা
sns.pairplot(tips)
# প্লট দেখানো
plt.show()
এটি tips ডেটাসেটের প্রতিটি কলামের মধ্যে সম্পর্ক দেখাবে। এটি ডেটার মধ্যে বিভিন্ন বৈশিষ্ট্যগুলির সম্পর্ক নির্ধারণ করতে সাহায্য করে।
৩. Seaborn এর কিছু আরও জনপ্রিয় ভিজ্যুয়ালাইজেশন টুলস
স্ট্যাকড বার চার্ট (Stacked Bar Chart)
স্ট্যাকড বার চার্ট ব্যবহৃত হয় বিভিন্ন শ্রেণী বা ক্যাটেগরির মধ্যে তুলনা দেখাতে।
# Stacked bar chart তৈরি করা
sns.histplot(data=tips, x="day", hue="sex", multiple="stack")
# প্লট দেখানো
plt.show()
ডিস্ট্রিবিউশন প্লট (Distribution Plot)
ডিস্ট্রিবিউশন প্লটের মাধ্যমে আপনি কোনো ভেরিয়েবলের ডিস্ট্রিবিউশন (বিতরণ) দেখতে পারবেন।
# Distribution plot তৈরি করা
sns.histplot(tips['total_bill'], kde=True)
# প্লট দেখানো
plt.show()
এটি total_bill ভেরিয়েবলের ডিস্ট্রিবিউশন এবং কোরডিনেটড ডিস্ট্রিবিউশন গ্রাফ (KDE) দেখাবে।
পাই চার্ট (Pie Chart)
পাই চার্ট একাধিক ক্যাটেগরি বা শ্রেণী বিশ্লেষণ করতে সাহায্য করে।
# Pie chart তৈরি করা
sns.countplot(x='sex', data=tips)
# প্লট দেখানো
plt.show()
এটি tips ডেটাসেটের sex ক্যাটেগরির তুলনা দেখাবে।
৪. Seaborn কাস্টমাইজেশন
Seaborn প্লটগুলি কাস্টমাইজেশন করা সহজ, যেমন প্লটের রঙ, টাইটেল, অক্ষর, ইত্যাদি পরিবর্তন করা।
কাস্টমাইজড প্লট তৈরি করা
# Set custom style
sns.set(style="whitegrid")
# Histogram plot with custom color
sns.histplot(tips['total_bill'], kde=True, color="purple")
# Add title
plt.title('Total Bill Distribution')
# Show plot
plt.show()
এটি প্লটটির জন্য একটি কাস্টম স্টাইল ব্যবহার করবে এবং total_bill এর জন্য একটি ভিন্ন রঙের প্লট তৈরি করবে।
সারাংশ
Seaborn একটি অত্যন্ত শক্তিশালী পাইথন লাইব্রেরি যা ডেটা ভিজ্যুয়ালাইজেশনকে সহজ এবং উন্নত করে তোলে। এটি Matplotlib এর ওপর ভিত্তি করে তৈরি হলেও, Seaborn অনেক বেশি সুবিধা এবং অটোমেশন প্রদান করে, যা ডেটা বিশ্লেষণের সময় দ্রুত এবং কার্যকরী ভিজ্যুয়াল তৈরি করতে সাহায্য করে। স্ক্যাটার প্লট, বক্স প্লট, হিটম্যাপ, রিগ্রেশন প্লট, পেয়ার প্লট ইত্যাদি বিভিন্ন ধরনের উন্নত ভিজ্যুয়ালাইজেশন তৈরি করতে Seaborn অত্যন্ত কার্যকর।
Read more
