Natuurlijk! Hier is een voorbeeld van hoe je een interactieve scatterplot kunt maken met Seaborn en Plotly voor de Iris dataset, waarbij je de variabelen sepal_length, sepal_width visualiseert en de kleuren per soort gebruikt: ```python import seaborn as sns import plotly.express as px import pandas as pd # Laad de Iris dataset iris = sns.load_dataset('iris') # Maak een interactieve scatterplot met Plotly Express fig = px.scatter( iris, x='sepal_length', y='sepal_width', color='species', title='Iris Dataset: Sepal Length vs Sepal Width', labels={ 'sepal_length': 'Sepal Lengte (cm)', 'sepal_width': 'Sepal Breedte (cm)', 'species': 'Soort' } ) # Toon de plot fig.show() ``` Met deze code krijg je een interactieve grafiek waarin je kunt inzoomen, hover-informatie krijgt over elke data punt en de kleuren per soort worden weergegeven. Je kunt deze code aanpassen door bijvoorbeeld andere variabelen te kiezen of extra opties toe te voegen.

Hier is de code om een interactieve scatterplot te maken met Seaborn voor de Iris dataset: ```python import seaborn as sns import matplotlib.pyplot as plt import pandas as pd # Laad de Iris dataset iris = sns.load_dataset('iris') # Maak de scatterplot plt.figure(figsize=(10, 6)) scatter_plot = sns.scatterplot( data=iris, x='sepal_length', y='sepal_width', hue='species', palette='viridis', s=100, alpha=0.7 ) # Styling aanpassingen plt.title('Sepal Lengte vs Sepal Breedte per Soort', fontsize=16, fontweight='bold') plt.xlabel('Sepal Lengte (cm)', fontsize=12) plt.ylabel('Sepal Breedte (cm)', fontsize=12) plt.legend(title='Soort', title_fontsize=12, fontsize=11) # Grid toevoegen voor betere leesbaarheid plt.grid(True, alpha=0.3) # Toon de plot plt.tight_layout() plt.show() # Optioneel: interactieve versie met Plotly # Installeer eerst: pip install plotly """ import plotly.express as px fig = px.scatter(iris, x='sepal_length', y='sepal_width', color='species', title='Sepal Lengte vs Sepal Breedte per Soort', labels={'sepal_length': 'Sepal Lengte (cm)', 'sepal_width': 'Sepal Breedte (cm)'}, hover_data=['petal_length', 'petal_width']) fig.show() """ ``` **Belangrijke kenmerken van deze visualisatie:** - Kleurcodering per plantensoort (setosa, versicolor, virginica) - Duidelijke labels en titel in het Nederlands - Grootte en transparantie aangepast voor betere zichtbaarheid - Gridlijnen voor betere oriëntatie **Voor een echt interactieve ervaring:** 1. Installeer Plotly: `pip install plotly` 2. Gebruik de uitgecommentarieerde Plotly-code 3. Dit geeft hover-effecten, in-/uitzoomen en selectiemogelijkheden De scatterplot laat duidelijk de relatie zien tussen sepal lengte en breedte, en hoe de verschillende soorten zich onderscheiden in deze kenmerken.