热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

Python数据可视化-seaborn

zhuanzi:https:www.cnblogs.comgczrp6767175.htmlSeaborn其实是在matplotlib的基础上进行了更高级的API封装,从而使得作图

zhuanzi:https://www.cnblogs.com/gczr/p/6767175.html

 

Seaborn其实是在matplotlib的基础上进行了更高级的API封装,从而使得作图更加容易,在大多数情况下使用seaborn就能做出很具有吸引力的图。这里实例采用的数据集都是seaborn提供的几个经典数据集,dataset文件可见于Github。本博客只总结了一些,方便博主自己查询,详细介绍可以看seaborn官方API和example gallery,官方文档还是写的很好的。

1  set_style( )  set( )

set_style( )是用来设置主题的,Seaborn有五个预设好的主题: darkgrid , whitegrid , dark , white ,和 ticks  默认: darkgrid

 

 
  1. import matplotlib.pyplot as plt  
  2. import seaborn as sns  
  3. sns.set_style("whitegrid")  
  4. plt.plot(np.arange(10))  
  5. plt.show()  

 
 
set( )通过设置参数可以用来设置背景,调色板等,更加常用。

 

 
  1. import seaborn as sns  
  2. import matplotlib.pyplot as plt  
  3. sns.set(string">"white", palette="muted", color_codes=True)     #set( )设置主题,调色板更常用  
  4. plt.plot(np.arange(10))  
  5. plt.show()  

 

 

 

2  distplot( )  kdeplot( )

distplot( )为hist加强版,kdeplot( )为密度曲线图 
 
 
  1. import matplotlib.pyplot as plt  
  2. import seaborn as sns  
  3. df_iris = pd.read_csv('../input/iris.csv')  
  4. fig, axes = plt.subplots(1,2)  
  5. sns.distplot(df_iris['petal length'], ax = axes[0], kde = True, rug = True)        # kde 密度曲线  rug 边际毛毯  
  6. sns.kdeplot(df_iris['petal length'], ax = axes[1], shade=True)                     # shade  阴影                         
  7. plt.show()  
 
  1. import numpy as np  
  2. import seaborn as sns  
  3. import matplotlib.pyplot as plt  
  4. sns.set( palette="muted", color_codes=True)  
  5. rs = np.random.RandomState(10)  
  6. d = rs.normal(size=100)  
  7. f, axes = plt.subplots(2, 2, figsize=(7, 7), sharex=True)  
  8. sns.distplot(d, kde=False, color="b", ax=axes[0, 0])  
  9. sns.distplot(d, hist=False, rug=True, color="r", ax=axes[0, 1])  
  10. sns.distplot(d, hist=False, color="g", kde_kws={"shade": True}, ax=axes[1, 0])  
  11. sns.distplot(d, color="m", ax=axes[1, 1])  
  12. plt.show()  

3  箱型图 boxplot( )

 

  1. import matplotlib.pyplot as plt  
  2. import seaborn as sns  
  3. df_iris = pd.read_csv('../input/iris.csv')  
  4. sns.boxplot(x = df_iris['class'],y = df_iris['sepal width'])  
  5. plt.show()  

 

 
  1. import matplotlib.pyplot as plt  
  2. import seaborn as sns  
  3. tips = pd.read_csv('../input/tips.csv')  
  4. sns.set(string">"ticks")                                     #设置主题  
  5. sns.boxplot(x="day", y="total_bill", hue="sex", data=tips, palette="PRGn")   #palette 调色板  
  6. plt.show()  

 

 

4  联合分布jointplot( )

 
  1. tips = pd.read_csv('../input/tips.csv')   #右上角显示相关系数  
  2. sns.jointplot("total_bill", "tip", tips)  
  3. plt.show()  
 
  1. tips = pd.read_csv('../input/tips.csv')  
  2. sns.jointplot("total_bill", "tip", tips, kind='reg')       
  3. plt.show()  

 

5  热点图heatmap( )

 internal_chars = ['full_sq', 'life_sq', 'floor', 'max_floor', 'build_year', 'num_room', 'kitch_sq', 'state', 'price_doc']
corrmat = train[internal_chars].corr()

f, ax = plt.subplots(figsize=(10, 7))
plt.xticks(rotation='90')
sns.heatmap(corrmat, square=True, linewidths=.5, annot=True)
plt.show()

 

 
6  散点图scatter( )
f, ax = plt.subplots(figsize=(10, 7))
plt.scatter(x=train['full_sq'], y=train['price_doc'], c='r')
plt.xlim(0,500)
plt.show()

 

7.pointplot画出变量间的关系

grouped_df = train_df.groupby('floor')['price_doc'].aggregate(np.median).reset_index()

plt.figure(figsize=(12,8))

sns.pointplot(grouped_df.floor.values, grouped_df.price_doc.values, alpha=0.8, color=color[2])

plt.ylabel('Median Price', fOntsize=12)

plt.xlabel('Floor number', fOntsize=12)

plt.xticks(rotation='vertical') plt.show()

8 pairplot( )

  1. import matplotlib.pyplot as plt  
  2. import seaborn as sns  
  3. data = pd.read_csv("../input/iris.csv")  
  4. sns.set()                        #使用默认配色  
  5. sns.pairplot(data,hue="class")   #hue 选择分类列  
  6. plt.show()  

 

 
 
  1. import seaborn as sns  
  2. import matplotlib.pyplot as plt  
  3. iris = pd.read_csv('../input/iris.csv')  
  4. sns.pairplot(iris, vars=["sepal width", "sepal length"],hue='class',palette="husl")    
  5. plt.show()  
 

9  FacetGrid( )

  1. import seaborn as sns  
  2. import matplotlib.pyplot as plt  
  3. tips = pd.read_csv('../input/tips.csv')  
  4. g = sns.FacetGrid(tips, col="time",  row="smoker")  
  5. g = g.map(plt.hist, "total_bill",  color="r")  
  6. plt.show()  
 
 

10  barplot( )

f, ax=plt.subplots(figsize=(12,20))

#orient='h'表示是水平展示的,alpha表示颜色的深浅程度
sns.barplot(y=group_df.sub_area.values, x=group_df.price_doc.values,orient='h', alpha=0.8, color='red')

#设置y轴、X轴的坐标名字与字体大小
plt.ylabel('price_doc', fOntsize=16)
plt.xlabel('sub_area', fOntsize=16)

#设置X轴的各列下标字体是水平的
plt.xticks(rotation='horizontal')

#设置Y轴下标的字体大小
plt.yticks(fOntsize=15)
plt.show()

注:如果orient='v'表示成竖直显示的话,一定要记得y=group_df.sub_area.values, x=group_df.price_doc.values调换一下坐标轴,否则报错

 

11.bar图

import matplotlib.pyplot as plt
import numpy as np
plt.rc('font', family='SimHei', size=13)

num = np.array([13325, 9403, 9227, 8651])
ratio = np.array([0.75, 0.76, 0.72, 0.75])
men = num * ratio
women = num * (1-ratio)
x = ['聊天','支付','团购\n优惠券','在线视频']

width = 0.5
idx = np.arange(len(x))
plt.bar(idx, men, width, color='red', label='男性用户')
plt.bar(idx, women, width, bottom=men, color='yellow', label='女性用户')  #这一块可是设置bottom,top,如果是水平放置的,可以设置right或者left。
plt.xlabel('应用类别')
plt.ylabel('男女分布')
plt.xticks(idx+width/2, x, rotation=40)
plt.legend()
plt.show()

 

 

 

 

来源:http://blog.csdn.net/qq_34264472/article/details/53814653

 也可以参考:http://seaborn.pydata.org/tutorial/distributions.html

知乎专栏关于seaborn的:https://zhuanlan.zhihu.com/p/27570774


推荐阅读
  • 原文地址:https:www.cnblogs.combaoyipSpringBoot_YML.html1.在springboot中,有两种配置文件,一种 ... [详细]
  • Nginx使用(server参数配置)
    本文介绍了Nginx的使用,重点讲解了server参数配置,包括端口号、主机名、根目录等内容。同时,还介绍了Nginx的反向代理功能。 ... [详细]
  • 如何去除Win7快捷方式的箭头
    本文介绍了如何去除Win7快捷方式的箭头的方法,通过生成一个透明的ico图标并将其命名为Empty.ico,将图标复制到windows目录下,并导入注册表,即可去除箭头。这样做可以改善默认快捷方式的外观,提升桌面整洁度。 ... [详细]
  • 本文介绍了数据库的存储结构及其重要性,强调了关系数据库范例中将逻辑存储与物理存储分开的必要性。通过逻辑结构和物理结构的分离,可以实现对物理存储的重新组织和数据库的迁移,而应用程序不会察觉到任何更改。文章还展示了Oracle数据库的逻辑结构和物理结构,并介绍了表空间的概念和作用。 ... [详细]
  • android listview OnItemClickListener失效原因
    最近在做listview时发现OnItemClickListener失效的问题,经过查找发现是因为button的原因。不仅listitem中存在button会影响OnItemClickListener事件的失效,还会导致单击后listview每个item的背景改变,使得item中的所有有关焦点的事件都失效。本文给出了一个范例来说明这种情况,并提供了解决方法。 ... [详细]
  • Windows下配置PHP5.6的方法及注意事项
    本文介绍了在Windows系统下配置PHP5.6的步骤及注意事项,包括下载PHP5.6、解压并配置IIS、添加模块映射、测试等。同时提供了一些常见问题的解决方法,如下载缺失的msvcr110.dll文件等。通过本文的指导,读者可以轻松地在Windows系统下配置PHP5.6,并解决一些常见的配置问题。 ... [详细]
  • Mac OS 升级到11.2.2 Eclipse打不开了,报错Failed to create the Java Virtual Machine
    本文介绍了在Mac OS升级到11.2.2版本后,使用Eclipse打开时出现报错Failed to create the Java Virtual Machine的问题,并提供了解决方法。 ... [详细]
  • 文件路径的生成及其在文件操作中的应用
    本文介绍了文件路径的生成方法及其在文件操作中的应用。在进行文件操作时,需要知道文件的具体位置才能打开文件。文件的位置有绝对路径和相对路径之分。绝对路径通常只在特定电脑上有效,不同电脑上的文件存放路径可能不同,导致程序报错。相对路径是解决这个问题的最好方式,它不依赖于文件的具体存放位置,只需要按照统一的规范进行文件存放即可。使用相对路径可以避免冗余和麻烦,特别适用于大项目和团队维护代码的情况。 ... [详细]
  • 本文详细介绍了GetModuleFileName函数的用法,该函数可以用于获取当前模块所在的路径,方便进行文件操作和读取配置信息。文章通过示例代码和详细的解释,帮助读者理解和使用该函数。同时,还提供了相关的API函数声明和说明。 ... [详细]
  • 本文介绍了使用CentOS7.0 U盘刻录工具进行安装的详细步骤,包括使用USBWriter工具刻录ISO文件到USB驱动器、格式化USB磁盘、设置启动顺序等。通过本文的指导,用户可以轻松地使用U盘安装CentOS7.0操作系统。 ... [详细]
  • 本文介绍了Python高级网络编程及TCP/IP协议簇的OSI七层模型。首先简单介绍了七层模型的各层及其封装解封装过程。然后讨论了程序开发中涉及到的网络通信内容,主要包括TCP协议、UDP协议和IPV4协议。最后还介绍了socket编程、聊天socket实现、远程执行命令、上传文件、socketserver及其源码分析等相关内容。 ... [详细]
  • Spring源码解密之默认标签的解析方式分析
    本文分析了Spring源码解密中默认标签的解析方式。通过对命名空间的判断,区分默认命名空间和自定义命名空间,并采用不同的解析方式。其中,bean标签的解析最为复杂和重要。 ... [详细]
  • 本文介绍了使用AJAX的POST请求实现数据修改功能的方法。通过ajax-post技术,可以实现在输入某个id后,通过ajax技术调用post.jsp修改具有该id记录的姓名的值。文章还提到了AJAX的概念和作用,以及使用async参数和open()方法的注意事项。同时强调了不推荐使用async=false的情况,并解释了JavaScript等待服务器响应的机制。 ... [详细]
  • t-io 2.0.0发布-法网天眼第一版的回顾和更新说明
    本文回顾了t-io 1.x版本的工程结构和性能数据,并介绍了t-io在码云上的成绩和用户反馈。同时,还提到了@openSeLi同学发布的t-io 30W长连接并发压力测试报告。最后,详细介绍了t-io 2.0.0版本的更新内容,包括更简洁的使用方式和内置的httpsession功能。 ... [详细]
  • 知识图谱——机器大脑中的知识库
    本文介绍了知识图谱在机器大脑中的应用,以及搜索引擎在知识图谱方面的发展。以谷歌知识图谱为例,说明了知识图谱的智能化特点。通过搜索引擎用户可以获取更加智能化的答案,如搜索关键词"Marie Curie",会得到居里夫人的详细信息以及与之相关的历史人物。知识图谱的出现引起了搜索引擎行业的变革,不仅美国的微软必应,中国的百度、搜狗等搜索引擎公司也纷纷推出了自己的知识图谱。 ... [详细]
author-avatar
万承裕常明
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有