国产福利二区,精品久久ai电影,麻豆精品国产91久久久久久

seaborn是python中的一個非常強大的數(shù)據(jù)可視化庫，它集成了matplotlib，下圖為seaborn的官網(wǎng)，如果遇到疑惑的地方可以到官網(wǎng)查看。http://seaborn.pydata.org/

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

從官網(wǎng)的主頁我們就可以看出，seaborn在數(shù)據(jù)可視化上真的非常強大。

1.首先我們還是需要先引入庫，不過這次要用到的python庫比較多。

				?

									import numpy as np

									import pandas as pd

									import matplotlib as mpl

									import matplotlib.pyplot as plt

									import seaborn as sns

2.sns.set_style()：不傳入?yún)?shù)用的就是seaborn默認的主題風格，里面的參數(shù)共有五種

darkgrid
whitegrid
dark
white
ticks

我比較習慣用whitegrid。

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

3.下面說一下seaborn里面的調(diào)色板，我們可以用sns.color_palette()獲取到這些顏色，然后用sns.palplot()將這些色塊打印出來。color_palette()函數(shù)還可以傳入一些參數(shù)

				?

									sns.palplot(sns.color_palette("hls",n))#顯示出n個不同顏色的色塊

									sns.palplot(sns.color_palette("paired",2n))#顯示出2n個不同顏色的色塊，且這些顏色兩兩之間是相近的

									sns.palplot(sns.color_palette("color"))#由淺入深顯示出同一顏色的色塊

									sns.palplot(sns.color_palette("color_r"))##由深入淺顯示出同一顏色的色塊

									sns.palplot(sns.color_palette("cubehelix",n))#顯示出n個顏色呈線性變化的色塊

									sns.palplot(sns.cubehelix_palette(k,start=m,rot=n))#顯示出k個start(0,3)為m，rot(-1,1)為n的呈線性變化的色塊

									sns.palplot(sns.light_palette("color"))#將一種顏色由淺到深顯示

									sns.palplot(sns.dark_palette("color"))#將一種顏色由深到淺顯示

									sns.palplot(sns.dark_palette("color",reverse=bool))#reverse的值為false，則將一種顏色由深到淺顯示；若為true，則將一種顏色由淺到深顯示

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

4.sns.kdeplot(x,y,cmap=pal)：繪制核密度分布圖。

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

5.sns.distplot(x,kde=bool,bins=n)：kde代表是否進行核密度估計，也就是是否繪制包絡線，bins指定繪制的條形數(shù)目。

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

6.根據(jù)均值和協(xié)方差繪圖：

首先我們要根據(jù)均值和協(xié)方差獲取數(shù)據(jù)

				?

									mean,cov = [m,n],[(a,b),(c,d)]#指定均值和協(xié)方差

									data = np.random.multivariate_normal(mean,cov,e)#根據(jù)均值和協(xié)方差獲取e個隨機數(shù)據(jù)

									df = pd.dataframe(data,columns=["x","y"])#將數(shù)據(jù)指定為dataframe格式

									df

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

然后繪制圖像

				?

									sns.jointplot(x="x",y="y",data=df) #繪制散點圖

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

用sns.jointplot(x="x",y="y",data=df)可以繪制出x和y單變量的條形圖以及x與y多變量的散點圖。

7.在jointplot()函數(shù)中傳入kind=“hex”，能夠在數(shù)據(jù)量比較大時讓我們更清晰地看到數(shù)據(jù)的分布比重。

				?

									x,y = np.random.multivariate_normal(mean,cov,2000).t

									with sns.axes_style("white"):

									  sns.jointplot(x=x,y=y,kind="hex",color="c")

繪制出的圖像如下

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

8.sns.pairplot(df)：繪制出各變量之間的散點圖與條形圖，且對角線均為條形圖。

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

在這里我們可以先使用df = sns.load_dataset("")將seaborn中原本帶有的數(shù)據(jù)讀入或用pandas讀取。

9.繪制回歸分析圖：這里可以用兩個函數(shù)regplot()和lmplot()，用regplot()更好一些。

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

如果兩個變量不適合做回歸分析，我們可以傳入x_jitter()或y_jitter()讓x軸或y軸的數(shù)據(jù)輕微抖動一些，得出較為準確的結(jié)果。

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

10.sns.stripplot(x="",y="",data=df,jitter=bool)：繪制一個特征變量中的多個變量與另一變量關(guān)系的散點圖，jitter控制數(shù)據(jù)是否抖動。

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

11.sns.swarmplot(x="",y="",hue="",data=df)：繪制頁狀散點圖，hue指定對數(shù)據(jù)的分類，由于在大量數(shù)據(jù)下，上面的散點圖會影響到我們對數(shù)據(jù)的觀察，這種圖能夠更清晰地觀察到數(shù)據(jù)分布。

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

12.sns.boxplot(x="",y="",hue="",data=df，orient="h")：繪制盒形圖，hue同樣指定對數(shù)據(jù)的分類。在統(tǒng)計學中有四分位數(shù)的概念，第一個四分位記做q1，第二個四分位數(shù)記做q2，第三個四分位數(shù)記做q3，q3-q1得到的結(jié)果q叫做四分位距，如果一個數(shù)n,n的范圍是n<q1-1.5q或n>q3+1.5q，則稱n為離群點，也就是不符合數(shù)據(jù)規(guī)范的點，利用盒形圖可以很清晰地觀察到離群點。如果傳入orient則畫出的盒形圖是橫向的。

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

13.sns.violinplot(x="",y="",data=df,hue="",split=bool)：繪制小提琴圖，split表示是否將兩類數(shù)據(jù)分開繪制，如果為true，則不分開繪制，默認為false。

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

14.還可以將頁狀散點圖和小提琴圖在一起繪制，只需將兩個繪圖命令

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

inner="none"表示去除小提琴圖內(nèi)部的形狀。

15.sns.barplot(x="",y="",hue="",data=df)：按hue的數(shù)據(jù)分類繪制條形圖。

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

16.sns.pointplot(x="",y="",hue="",data=df)：繪制點圖，點圖可以更好的描述數(shù)據(jù)的變化差異。

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

17.我們還可以傳入其他參數(shù)：

				?

									sns.pointplot(x="class",y="survived",hue="sex",data=titanic,

									       palette={"male":"#02ff96","female":"#0980e6"},#指定曲線的顏色

									       markers=["s","d"],linestyles=["-","-."])#指定曲線的點型和線型

繪制出的圖像如下

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

18.sns.factorplot(x="", y="", hue="", data=df)：繪制多層面板分類圖。

				?

									sns.factorplot(x="day",y="total_bill",hue="smoker",data=tips)

繪制的圖像如下

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

19.sns.factorplot(x="",y="",hue="",data=df,kind="")：kind中指定要畫圖的類型。

				?

									sns.factorplot(x="day",y="total_bill",hue="smoker",data=tips,kind="bar")

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

				?

									sns.factorplot(x="day",y="total_bill",hue="smoker",col="time",data=tips,kind="swarm")

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

				?

									sns.factorplot(x="time",y="total_bill",hue="smoker",col="day",data=tips,kind="box",size=5,aspect=0.8) #aspect指定橫縱比

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

20.sns.factorplot()的參數(shù)：

x,y,hue 數(shù)據(jù)集變量變量名。
date 數(shù)據(jù)集數(shù)據(jù)集名。
row,col 更多分類變量進行平鋪顯示變量名。
col_wrap 每行的最高平鋪數(shù) 整數(shù)。
estimator 在每個分類中進行矢量到標量的映射矢量。
ci 置信區(qū)間浮點數(shù)或none。
n_boot 計算置信區(qū)間時使用的引導迭代次數(shù) 整數(shù)。
units 采樣單元的標識符，用于執(zhí)行多級引導和重復測量設(shè)計數(shù)據(jù)變量或向量數(shù)據(jù)。
order, hue_order 對應排序列表字符串列表。
row_order, col_order 對應排序列表字符串列表。
kind : 可選：point 默認, bar 柱形圖, count 頻次, box 箱體, violin 提琴, strip 散點，swarm 分散點 size 每個面的高度（英寸）標量 aspect 縱橫比標量 orient 方向 "v"/"h" color 顏色 matplotlib顏色 palette 調(diào)色板 seaborn顏色色板或字典 legend hue的信息面板 true/false legend_out 是否擴展圖形，并將信息框繪制在中心右邊 true/false share{x,y} 共享軸線 true/false。

21.sns.facetgrid()：這是一個很重要的繪圖函數(shù)。

				?

									g = sns.facetgrid(tips,col="time")

									g.map(plt.hist,"tip")

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

				?

									g = sns.facetgrid(tips,col="sex",hue="smoker",size=5,aspect=1)

									g.map(plt.scatter,"total_bill","tip",alpha=0.3,s=100)#alpha指定點的透明度，s指定點的大小

									g.add_legend()#添加圖例

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

				?

									g = sns.facetgrid(tips,col="day",size=4,aspect=0.8)

									g.map(sns.barplot,"sex","total_bill")

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

22.sns.pairgrid()：將各變量間的關(guān)系成對繪制。

				?

									iris = sns.load_dataset("iris")

									g = sns.pairgrid(iris)

									g.map(plt.scatter)

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

23.g.map_diag()和g.map_offdiag()：繪制對角線和非對角線的圖形

				?

									g = sns.pairgrid(iris)

									g.map_diag(plt.hist)  #指定對角線繪圖類型

									g.map_offdiag(plt.scatter)  #指定非對角線繪圖類型

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

				?

									g = sns.pairgrid(iris, hue="species")

									g.map_diag(plt.hist)

									g.map_offdiag(plt.scatter)

									g.add_legend()

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

				?

									g = sns.pairgrid(iris, vars=["sepal_length", "sepal_width"], hue="species",size=3)

									g.map(plt.scatter)

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

				?

									g = sns.pairgrid(tips, hue="size", palette="gnbu_d")

									g.map(plt.scatter, s=50, edgecolor="white")

									g.add_legend()

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

24.sns.heatmap()：繪制熱度圖，熱度圖可以很清楚看到數(shù)據(jù)的變化情況以及變化過程中的最大值和最小值。

				?

									uniform_data = np.random.rand(3, 3)

									print (uniform_data)

									heatmap = sns.heatmap(uniform_data)

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

25.向heatmap()中傳入?yún)?shù)vmin=和vmax=。

				?

									ax = sns.heatmap(uniform_data,vmin=0.2,vmax=0.5) 

									#超過最大值都是最大值的顏色，小于最小值都是最小值的顏色

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

26.

				?

									normal_data = np.random.randn(3, 3)

									print (normal_data)

									ax = sns.heatmap(normal_data, center=0)  #center指定右側(cè)圖例的中心值

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

27.

				?

									flights = sns.load_dataset("flights")

									flights = flights.pivot("month", "year", "passengers")

									ax = sns.heatmap(flights, annot=true,fmt="d",linewidth=0.5)  

									#annot指定是否顯示數(shù)據(jù)，fmt指定數(shù)據(jù)的顯示格式,linewidth指定數(shù)據(jù)格子間的距離

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

28.

				?

									ax = sns.heatmap(flights, cmap="ylgnbu",cbar=true) 

									#cmap指定圖形顏色，cbar表示是否繪制右側(cè)圖例。

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持服務器之家。

原文鏈接：https://segmentfault.com/a/1190000017891341

国产片侵犯亲女视频播放_亚洲精品二区_在线免费国产视频_欧美精品一区二区三区在线_少妇久久久_在线观看av不卡

Python數(shù)據(jù)可視化庫seaborn的使用總結(jié)

延伸 · 閱讀

Python的dict字典結(jié)構(gòu)操作方法學習筆記

Python3以GitHub為例來實現(xiàn)模擬登錄和爬取的實例講解

python 插入Null值數(shù)據(jù)到Postgresql的操作

使用NumPy和pandas對CSV文件進行寫操作的實例

在Windows系統(tǒng)上搭建Nginx+Python+MySQL環(huán)境的教程

python 列表轉(zhuǎn)為字典的兩個小方法(小結(jié))

python直接訪問私有屬性的簡單方法

Python實現(xiàn)ping指定IP的示例

PyCharm設(shè)置SSH遠程調(diào)試的方法

Python安裝圖文教程 Pycharm安裝教程

python是什么意思？python有什么用？

使用Python抓取模板之家的CSS模板

Python 列表(List)操作方法詳解