其他分享
首页 > 其他分享> > seaborn可视化详解

seaborn可视化详解

作者:互联网

引言

当我们快速理解数据内容及其分布时,可以选用一些可视化工具,将数据展示出来,从而使我们对数据具有一个直观的认识。常用的数据可视化库有

示例

首先导入Seaborn库

import pandas as pd 
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline %表示画的图形在notebook中显示出来
sns.set() %使用seaborn风格画图

本文中的使用到的数据为seaborn中自带的数据集tips
本次使用到的数据集是比较有名的tips(小费)数据集。小费数据集,是一个餐厅侍者收集的关于小费的数据,其中包含了七个变量,包括总费用、付小费的金额、付款者性别、是否吸烟、日期、日间、顾客人数。

在这里插入图片描述

 sns.distplot(data[“variablename”]) 

我们看一下总账单分布

sns.distplot(tips["total_bill"], bins=16, color="purple")

tips[“total_bill”]指定绘画某一列的数据
bins=16表示柱状图的个数
在这里插入图片描述

sns.jointplot(x="total_bill", y="tip", data=tips, color="purple")

在这里插入图片描述
还可以通过修改kind参数,显示kde曲线等
在这里插入图片描述
解释上图中,颜色越深代表其密度越大

sns.pairplot(tips, hue="sex", palette="Set2")

在这里插入图片描述

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

在这里插入图片描述

sns.violinplot(x="day", y="total_bill", data=tips)

在这里插入图片描述

扩展-风格管理 - 绘图风格设置

Seaborn 将 matplotlib 的参数划分为两个独立的组合。第一组是设置绘图的外观风格的,第二组主要将绘图的各种元素按比例缩放的,以至可以嵌入到不同的背景环境中。

操控这些参数的接口主要有两对方法:

控制风格:axes_style(), set_style()
缩放绘图:plotting_context(), set_context()

有五种seaborn的风格,它们分别是:darkgrid, whitegrid, dark, white, ticks。它们各自适合不同的应用和个人喜好。默认的主题是darkgrid。
例如

sns.set_style("whitegrid")
sns.distplot(tips["total_bill"], bins=16, color="purple")

在这里插入图片描述

移除轴脊柱

sns.distplot(tips["total_bill"], bins=16, color="purple")
sns.despine()

在这里插入图片描述
当刻度没有完全覆盖整个轴的范围时,trim参数可以用来限制已有脊柱的范围。

sns.distplot(tips["total_bill"], bins=16, color="purple")
sns.despine(offset=10, trim=True)

在这里插入图片描述

自定义风格

将一个字典参数传递给axes_style()和set_style()的参数rc。而且你只能通过这个方法来覆盖风格定义中的部分参数。

绘图元素比例

有四个预置的环境,按大小从小到大排列分别为:paper, notebook, talk, poster。其中,notebook是默认的。

sns.set_context("poster")
sns.distplot(tips["total_bill"], bins=16, color="purple")

在这里插入图片描述

标签:set,seaborn,purple,bill,详解,可视化,sns,tips,total
来源: https://blog.csdn.net/u014675538/article/details/91465531