Artikels met de tag Seaborn
-
Post-hoctests plotten met Python
Wanneer drie of meer groepen stalen worden vergeleken (bijvoorbeeld met ANOVA/Tukey HSD of Kruskal-Wallis/Dunn), zie je de resultaten vaak als een boxplot met lijnen die aangeven welke groepen significant van elkaar verschillen. In Python bestaat er geen enkel pakket waarmee je dit snel doet. Door scikit-posthocs met statannotations te combineren,...
-
Batcheffecten bestrijden met pyComBat
Zelfs hoogwaardig wetenschappelijk materiaal heeft al eens een slechte dag! De prestaties van een toestel kunnen beïnvloed worden door de omgevingstemperatuur, luchtvochtigheid, … Wanneer stalen in verschillende batches gemeten worden, moet je daarvoor dus corrigeren. In dit artikel bekijken we het Python-pakket pyComBat, dat dit elegant en efficiënt doet. Merk...
-
PCA-grafieken met loadings in Python
Net als de vorige Code Nugget voegt dit stukje code enkele vaak benodigde functies toe aan PCA-grafieken die met Python zijn gemaakt. Hier worden de loadings en verklaarde variantie aan de grafiek toegevoegd. In R zit dat standaard in biplot(), maar in Python komt er meer bij kijken. Net als...
-
Correlatieheatmaps met significantie in Python
Pandas en Seaborn bieden heel snelle manieren om correlaties te berekenen en in een heatmap weer te geven. Of die correlaties statistisch significant zijn, ontbreekt echter in zulke grafieken. Door de jaren heen heb ik stukjes code zoals dit verzameld die bijzonder nuttig blijken. Alleen is het niet zo handig...
-
De Gwent Pro Ladder bekeken met een agentgebaseerd model (resultaten)
Met het agentgebaseerde model (ABM) uit het vorige artikel kunnen we eender welk aantal Gwent-spelers met een bekende vaardigheid en speelfrequentie gedurende een seizoen simuleren. Met dit model proberen we het laddersysteem beter te begrijpen en te testen of het vaardigheid of wedstrijden grinden beloont… De Pro Ladder beklimmen: vaardigheid...