seaborn 畫圖功能簡單總結

方式 ：畫圖

探索型數據分析的常用圖表

• 條形圖、直方圖
• 餅圖（餅圖在探索型數據分析中使用較少，原因是肉眼對於角度之間的大小差別沒有對高度之間的差別敏感， 不容易看清楚，不明顯）
• 折線圖、散點圖
• 箱形圖

條形圖

seaborn.barplot(x="day",y="total_bill",data=tips)#條形圖 error bar 誤差 波動情況

直方圖 ：整體分布情況

seaborn.distplot(X) #distribution

#line chart 折線圖 CI 68%確信

seaborn.pointplot(x="day",y="tip",data=tips,ci=68)

#scatter diagram 散點圖

兩個屬性的相關關係 賬單和小費 ，通過線性回歸做條線

seaborn.regplot(x="total_bill",y="tip",data=tips)

#box plot 箱形圖 數據分布情況 前25% ,最少25 在什麼地方 。。。異常值,差距值>1.5

seaborn.boxplot(x="day",y="total_bill",data=tips)

網路數據可視化：可以使用Gephi軟體（節點和邊的關係）

時空數據可視化：可以使用MapBox或CART實現（先從地圖上畫出來數據）

本節課所使用的數據為iris（150朵花）數據集,需要自行設置header

import pandas

#括弧裡面直接指定了數據的來源，當然你也可以按照老師視頻中所講授的來操作

iris = pandas.read_csv("G:/tools/python/iris.data.csv")#加州大學歐文分校

iris.columns=["sepal_length","sepal_width","petal_length","petal_width","species"]

iris.sample(10)#隨機取10個樣本

iris.describe()

繪圖基本指令

import seaborn

%matplotlib inline

seaborn.countplot(x="species",data=iris)

seaborn.barplot(x="species",y="petal_length",data=iris)

seaborn.boxplot(x="species",y="petal_length",data=iris)#箱型圖

#你是否也從上面的三種類型的繪圖結果中，對這個數據集有一個初步的印象了呢？

seaborn.distplot(iris["petal_width"])#傳入一個序列， 沒有區分類別

分類繪圖

#Pandas庫對類別進行選取，然後進行畫圖

iris_vir=iris[iris.species

== "Iris-virginica"]#比較

iris_s=iris[iris.species

== "Iris-setosa"]

#參數賦值，加上label&圖例&設置坐標軸範圍，xlim設置x軸範圍，ylim設置y軸範圍

iris_ver=iris[iris.species

=="Iris-versicolor"]

seaborn.distplot(iris_vir["petal_width"],label="vir").set(ylim=(0,15))

seaborn.distplot(iris_s["petal_width"],label="s")

seaborn.distplot(iris_ver["petal_width"],label="ver").legend()

#seaborn 非常強大的功能， FacetGrid 從數據集不同的側面進行畫圖，hue指定用於分類的欄位，使得代碼會更加簡潔

#嘗試修改row/col參數，替代hue參數，row:按行展示（展示為一列），col：按列展示（一行）

g=seaborn.FacetGrid(iris,row="species") #hue="species col 並排

g.map(seaborn.distplot,"petal_width").add_legend()

#畫出線性回歸的曲線

seaborn.regplot(x="petal_width",y="petal_length",data=iris)#散點圖 正相關

#分類畫線性回歸

g = seaborn.FacetGrid(iris,hue="species")

g.map(seaborn.regplot,"petal_width","petal_length")

g.map(seaborn.regplot,"petal_width","petal_length").add_legend()

#設置坐標軸範圍

g.set (xlim=(0,2.5))

g.map(seaborn.regplot,"petal_width","petal_length").add_legend()

#不顯示擬合曲線,用matplotlib畫散點圖

import matplotlib.pyplot as plt

g = seaborn.FacetGrid(iris,hue="species")

g.set(xlim=(0, 2.5))

g.map(plt.scatter,"petal_width","petal_length").add_legend()

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！