跟我一起学点数据分析 --第六天：数据可视化（seaborn部）

前文回顾

跟我一起学点数据分析 --第五天：数据可视化（matplotlib部）

数据集

数据可视化部分能用到的数据集在上一篇都已经给啦。

什么x轴、y轴、标题，咱一律不整那些虚的啊，前一篇已经整够多了，复制粘贴的我都累。

seaborn绘图入门

这里先用tips.

直方图 与 密度图

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

tips = pd.read_csv('tips.csv')

ax = sns.displot(tips['total_bill']，kde = True)
# displot 函数默认会绘制直方图和密度图，如果不想看到密度图，把kde设为False，我这边默认是False

plt.show()

  
 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
 

如果只想看到密度图呢？

本来想把上面的kde参数改成hist参数，但是说hist参数已经被弃用，就是这么无情，并不能在国内的网站上轻易找到答案，反正我烦了一页是没有，还是在国外的一本书上人家随口提了一句。
国内网站关于seaborn的资料太少了，英语咱又不好。。。还不会翻墙。。。

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

tips = pd.read_csv('tips.csv')

ax = sns.kdeplot(tips['total_bill'])

plt.show()

  
 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
 

频数图

上边第一张就差不多

有区分度么？

ax = sns.distplot(tips['total_bill'],rug = True)

  
 

  
1
 

条形图

ax = sns.countplot('day',data = tips)

  
 

  
1
 

接下来是双变量数据的世界

散点图

ax = sns.regplot(x = 'total_bill',y = 'tip',data = tips)

  
 

  
1
 

同样的，如果你不想看回归线，那怎么办？把fit_reg设置为False

来个更牛逼的，具体自己看：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

tips = pd.read_csv('tips.csv')

ax = sns.jointplot(x = 'total_bill',y = 'tip',data = tips)
ax.set_axis_labels(xlabel='Total Bill',ylabel='Tip')
ax.fig.suptitle('Joint Plot',fontsize = 10,y = 1.03)

plt.show()

  
 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
 

为点设置形状和大小

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

tips = pd.read_csv('tips.csv')
sns.regplot(x='total_bill', y='tip', data=tips,marker='o', color='red', scatter_kws={'s':20})

plt.show()

  
 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
 

更详尽的用法参考上一篇

蜂巢图

散点图适用于比较两个变量，但有时图中的点太多反而会失去意义。
哎，话也不多说，直接看吧：

就改这么一行：hexbin = sns.jointplot(x = 'total_bill',y = 'tip',data = tips,kind = 'hex')

然后就OK啦

2D密度图

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

tips = pd.read_csv('tips.csv')

ax = sns.kdeplot(data = tips['total_bill'],data2 = tips['tip'],shade = True)

plt.show()

  
 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
 

ax = sns.jointplot(data = tips,x = 'total_bill',y = 'tip',kind = 'kde')

  
 

  
1
 

箱线图

箱线图用来显示多种统计数据的信息，就是describe函数看到的那些·

ax = sns.boxplot(data = tips,y = 'total_bill',x = 'time')

  
 

  
1
 

条形图

条形图我就不说了吧，barplot，自己用。

小提琴图

我说它是箱线图和密度图的合体你信吗？

ax = sns.violinplot(data = tips,y = 'total_bill',x = 'time')

  
 

  
1
 

成对关系

当大部分数据都是阿拉伯数字的时候，可以使用pairplot 把所有的成对关系都描绘出来。
但是直接用的话，会有不少的冗余。

于是·我们采用PairGrid来手动指定图的上半部分和下半部分（一会儿可以去查一下这个函数）

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

tips = pd.read_csv('tips.csv')

pait_grid = sns.PairGrid(tips)

pait_grid = pait_grid.map_upper(sns.regplot)
pait_grid = pait_grid.map_lower(sns.kdeplot)
pait_grid = pait_grid.map_diag(sns.distplot,rug = True)	#这个true有什么用呢？只是频数而已
plt.show()

  
 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
 

多变量数据

如果数据量还不小，你想根据某个变量来进行一波分流操作，怎么操作呢？

比方说我现在要以性别来分流。

ax = sns.violinplot(data = tips,y = 'total_bill',x = 'time',hue='sex')

  
 

  
1
 

这篇就先到这里啦。

最近我发现啊，要验证一篇博客好不好，要看它的实战性能。

所以后面我还会回来的。

文章来源: lion-wu.blog.csdn.net，作者：看，未来，版权归原作者所有，如需转载，请联系作者。

原文链接：lion-wu.blog.csdn.net/article/details/112143468