案例部分
案例01-pairplot对图
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd import os os.chdir(os.path.dirname(__file__)) # 切换目录到当前文件所在目录 # seaborn预设了darkgrid,whitegrid,dark,white,ticks五种主题风格 sns.set(style="ticks") iris = pd.read_csv('iris.csv',header=None) iris.columns=['sepal_length','sepal_width', 'petal_length','petal_width','species'] # iris传入的数据集，类型为DataFrame # hue="species" hue观点，代表用来充当标签或类别的字段 # diag_kind="kde" 对角线图形的类别，默认有hist频率分布直方图，kde核密度估计图 # palette="muted"表示预制的调色板， sns.pairplot(iris,hue="species",diag_kind="kde", palette="muted") plt.show()
案例02-heatmap热力图
import matplotlib.pyplot as plt import pandas as pd import seaborn as sns import os os.chdir(os.path.dirname(__file__)) # 切换目录到当前文件所在目录 plt.figure(figsize=(6,6)) iris = pd.read_csv('iris.csv',header=None) iris.columns=['sepal_length','sepal_width', 'petal_length','petal_width','species'] data = iris[['sepal_length','sepal_width', 'petal_length','petal_width']] iris_corr = data.corr() sns.heatmap(iris_corr,annot=True,square=True,fmt='.2f',) # square:单元格是否方形 plt.show()
案例3boxplot箱型图
什么是箱线图：
import matplotlib.pyplot as plt import pandas as pd import seaborn as sns import os os.chdir(os.path.dirname(__file__)) # 切换目录到当前文件所在目录 #方案1：利用pandas读取数据 sns.set(style = "ticks") iris = pd.read_csv('iris.csv', header = None) iris.columns=['sepal_length','sepal_width','petal_length','petal_width','species'] sns.boxplot(x = iris['sepal_length'], data = iris) plt.show()
多个箱线图：
import seaborn as sns, matplotlib.pyplot as plt import pandas as pd import os os.chdir(os.path.dirname(__file__)) # 切换目录到当前文件所在目录 #用来正常显示中文标签 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams["axes.unicode_minus"]=False # 显示负号 # sns.set(font='SimHei') # sns中乱码问题 # sns.set_style({'font.sans-serif':['SimHei','Arial']}) #导入数据集合 sns.set(style = "ticks") iris = pd.read_csv('iris.csv', header = None) iris.columns=['sepal_length','sepal_width','petal_length','petal_width','species'] #设置x轴、y轴及数据源 ax = sns.boxplot(x = "species", y = "sepal_length", data=iris) # 计算每组的数据量和中位数显示的位置 #medians = iris.groupby(['species'])['sepal_length'].median().values #和下面的语句等价 medians = iris.pivot_table(index="species", values="sepal_length",aggfunc="median").values # print(medians) # #[5. 5.9 6.5] # print(ax.get_xticklabels()) # [Text(0, 0, 'Iris-setosa'), Text(1, 0, 'Iris-versicolor'), Text(2, 0, 'Iris-virginica')] #形成要显示的文本：每个子类的数量 nobs = iris['species'].value_counts().values nobs = [str(x) for x in nobs.tolist()] nobs = ["nobs:" + i for i in nobs] # 设置要显示的箱体图的数量 pos = range(len(nobs)) #将文本分别显示在中位数线条的上方 for tick,label in zip(pos, ax.get_xticklabels()): # tick分别取值 0 1 2 代表x的坐标 # medians[tick] 对应[5. 5.9 6.5]，代表y的坐标 # nobs[tick] 表示标注的值 # horizontalalignment 水平对齐 ax.text(pos[tick], medians[tick] + 0.03, nobs[tick], horizontalalignment='center', size='x-small', color='w', weight='semibold') plt.show()
import seaborn as sns, matplotlib.pyplot as plt import pandas as pd #导入数据集合 import os os.chdir(os.path.dirname(__file__)) # 切换目录到当前文件所在目录 #用来正常显示中文标签 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams["axes.unicode_minus"]=False # 显示负号 #导入数据集合 sns.set(style = "ticks") df = pd.read_csv('iris.csv', header = None) df.columns=['sepal_length','sepal_width','petal_length','petal_width','species'] # sharey = True 共享Y轴，共享后便于比较 fig,axes=plt.subplots(1,2,sharey = True) #一行两列共两个子图 sns.boxplot(x = "species",y = "petal_width",data = df,ax = axes[0]) #左图 sns.boxplot(x = "species",y = "petal_length",data = df, palette="Set2", ax = axes[1]) #右图 plt.show()
案例4violin小提琴图
小提琴图：
【小提琴图】其实是【箱线图】与【核密度图】的结合，【箱线图】展示了分位数的位置，【小提琴图】则展示了任意位置的密度，通过【小提琴图】可以知道哪些位置的密度较高。
小提琴图的内部是箱线图（有的图中位数会用白点表示，但归根结底都是箱线图的变化）；外部包裹的就是核密度图，某区域图形面积越大，某个值附近分布的概率越大。
通过箱线图，可以查看有关数据的基本分布信息，例如中位数，平均值，四分位数，以及最大值和最小值，但不会显示数据在整个范围内的分布。如果数据的分布有多个峰值（也就是数据分布极其不均匀），那么箱线图就无法展现这一信息，这时候小提琴图的优势就展现出来了！
import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import os os.chdir(os.path.dirname(__file__)) # 切换目录到当前文件所在目录 # 导入数据 iris = pd.read_csv("iris.csv") iris.columns=['sepal_length','sepal_width','petal_length','petal_width','species'] # 绘图 sns.violinplot(x='species', y = 'sepal_length', data = iris, split = True, scale='width', inner="box") # 输出显示 plt.title('Violin Plot', fontsize=10) plt.show()
多个小提琴图：
import pandas as pd import matplotlib.pyplot as plt import seaborn as sns # 导入数据 import os os.chdir(os.path.dirname(__file__)) # 切换目录到当前文件所在目录 iris = pd.read_csv("iris.csv") iris.columns=['sepal_length','sepal_width','petal_length','petal_width','species'] # 绘图设置 fig, axes = plt.subplots(2, 2, figsize=(7, 5), sharex=True) sns.violinplot(x = 'species', y = 'sepal_length', data = iris, split = True, scale='width', inner="box", ax = axes[0, 0]) sns.violinplot(x = 'species', y = 'sepal_width', data = iris, split = True, scale='width', inner="box", ax = axes[0, 1]) sns.violinplot(x = 'species', y = 'petal_length', data = iris, split = True, scale='width', inner="box", ax = axes[1, 0]) sns.violinplot(x = 'species', y = 'petal_width', data = iris, split = True, scale='width', inner="box", ax = axes[1, 1]) # 输出显示 plt.setp(axes, yticks=[]) plt.tight_layout() plt.show()
案例5 Density plot密度图
import pandas as pd import matplotlib.pyplot as plt import seaborn as sns #用来正常显示中文标签 plt.rcParams['font.sans-serif']=['SimHei'] # 导入数据 import os os.chdir(os.path.dirname(__file__)) # 切换目录到当前文件所在目录 iris = pd.read_csv("iris.csv") iris.columns=['sepal_length','sepal_width','petal_length','petal_width','species'] #绘图 # shade=False 密度线内是否用阴影填充 # vertical= True表示垂直显示 sns.kdeplot(iris.loc[iris['species'] == 'Iris-versicolor', 'sepal_length'], shade=False, vertical = True, color="g", label="Iris-versicolor", alpha=.7) sns.kdeplot(iris.loc[iris['species'] == 'Iris-virginica', 'sepal_length'], shade=False, vertical = True, color="deeppink", label="Iris-virginica", alpha=.7) sns.kdeplot(iris.loc[iris['species'] == 'Iris-setosa', 'sepal_length'], shade=False, vertical = True, color="dodgerblue", label="Iris-setosa", alpha=.7) # Decoration plt.title('鸢尾花花瓣长度的密度图', fontsize=16) plt.legend() plt.show()
