AI 助理
备案控制台
开发者社区 开发与运维 文章 正文

Python matplotlib seaborn（学习笔记）（上）

2022-05-26 366
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图。

一、seaborn概述


Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图。详情请查阅官网：seaborn


二、数据整理


import seaborn as sns
import numpy as np 
import matplotlib as mpl
from matplotlib import pyplot as plt 
import pandas as pd 
from datetime import datetime,timedelta
%matplotlib inline
plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号
from datetime import datetime 

films=['穿过寒冬拥抱你','反贪风暴5：最终章','李茂扮太子','误杀2','以年为单位的恋爱','黑客帝国：矩阵重启','雄狮少年','魔法满屋','汪汪队立大功大电影','爱情神话']
regions=['中国','英国','澳大利亚','美国','美国','中国','英国','澳大利亚','美国','美国']
bos=['61,181','44,303','42,439','22,984','13,979','61,181','44,303','41,439','20,984','19,979']
persons=['31','23','56','17','9','31','23','56','17','9']
prices=['51','43','56','57','49','51','43','56','57','49']
showdate=['2022-12-03','2022-12-05','2022-12-01','2022-12-02','2022-11-05','2022-12-03','2022-12-05','2022-12-01','2022-12-02','2022-11-05']
ftypes=['剧情','动作','喜剧','剧情','剧情','爱情','动作','动画','动画','动画']
points=['8.1','9.0','7.9','6.7','3.8','8.1','9.0','7.9','6.7','3.8']
filmdescript={
    'ftypes':ftypes,
    'bos':bos,
    'prices':prices,
    'persons':persons,
    'regions':regions,
    'showdate':showdate,
    'points':points
}

import numpy as np
import pandas as pd
cnbo2021top5=pd.DataFrame(filmdescript,index=films)
cnbo2021top5[['prices','persons']]=cnbo2021top5[['prices','persons']].astype(int)
cnbo2021top5['bos']=cnbo2021top5['bos'].str.replace(',','').astype(int)
cnbo2021top5['showdate']=cnbo2021top5['showdate'].astype('datetime64')
cnbo2021top5['points']=cnbo2021top5['points'].apply(lambda x:float(x) if x!='' else 0)

cnbo2021top5
e88a39d28ed04356914a06f89442b0c3.png 
# 常用调色盘
r_hex = '#dc2624'     # red,       RGB = 220,38,36  
dt_hex = '#2b4750'    # dark teal, RGB = 43,71,80 
tl_hex = '#45a0a2'    # teal,      RGB = 69,160,162 
r1_hex = '#e87a59'    # red,       RGB = 232,122,89 
tl1_hex = '#7dcaa9'   # teal,      RGB = 125,202,169  
g_hex = '#649E7D'     # green,     RGB = 100,158,125  
o_hex = '#dc8018'     # orange,    RGB = 220,128,24 
tn_hex = '#C89F91'    # tan,       RGB = 200,159,145  
g50_hex = '#6c6d6c'   # grey-50,   RGB = 108,109,108  
bg_hex = '#4f6268'    # blue grey, RGB = 79,98,104  
g25_hex = '#c7cccf'   # grey-25,   RGB = 199,204,207

color=['#dc2624' ,'#2b4750','#45a0a2','#e87a59','#7dcaa9','#649E7D','#dc8018','#C89F91','#6c6d6c','#4f6268','#c7cccf']
sns.set_palette(color)


01 折线图


def sinplot(flip=1):
    x = np.linspace(0, 14, 100)
    for i in range(1, 7):
        plt.plot(x, np.sin(x + i * .5) * (7 - i) * flip)
sinplot()
# 对两种画图进行比较
fig = plt.figure()
sns.set()
sinplot()

d7e3e8e1989c41a49491e7bd3ff38ac7.png

plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号
plt.figure(figsize=(14,8))
plt.title("中国电影票房2021top10")
plt.xlabel("电影名称")
plt.ylabel("电影票房")
sns.lineplot(data=cnbo2021top5[['bos']])
plt.xticks(rotation=45)

fc990b9dddbd4799a0641672ab1664f7.png

02 柱形图


cnbo2021top5ftgb=cnbo2021top5.groupby(['ftypes'])['bos','persons','prices','points'].mean()
cnbo2021top5ftgb=cnbo2021top5ftgb.reset_index().replace()
cnbo2021top5ftgb
671357844fe149d490169a481c06351c.png 
### 02 条形图
plt.figure(figsize=(14,8))
plt.title("中国电影票房2021top10")
sns.barplot(x=cnbo2021top5ftgb['ftypes'],y=cnbo2021top5ftgb['persons'])
plt.xlabel("电影类型")
plt.ylabel("场均人次")
plt.xticks(rotation=45)
plt.show()
0decb6ef37f843b3b187ad8b572fadf8.png

03 直方图


### 03 直方图
plt.figure(figsize=(14,8))
plt.title("中国电影票房2021top10")
sns.histplot(x=cnbo2021top5['bos'],bins=15) # x=cnbo2021top5ftgb['ftypes'],y=cnbo2021top5ftgb['persons']
plt.xlabel("电影类型")
plt.ylabel("场均人次")
plt.xticks(rotation=45)
plt.show()

5c83c859f7784ec9b5320d0e24bbc018.png

三、绘图


上面的数据只有十部电影，而下面的数据是我整理出来的电影数据：

Excel：300部电影数据整理

import pandas as pd 
cnboo=pd.read_excel("cnboNPPD1.xlsx")
cnboo

73d60c09be234e599b0ca670ee1530bf.png


01 设定调色盘


c272e0758a6d4dd8a73e7cabc6164997.png


02 柱状图

sns.set_palette(color)
sns.palplot(sns.color_palette(color,11))
plt.figure(figsize=(25,20))
plt.title('电影票房')
plt.xticks(rotation=45)
sns.barplot(x='TYPE',
            y='PRICE',
            hue='TYPE',
            data=cnboo)

ba463f7ae81747c08b4ad7f48d014c1e.png


03 技术图


sns.set_palette(color)
sns.palplot(sns.color_palette(color,11))
plt.figure(figsize=(15,10))
plt.title('电影票房')
plt.xticks(rotation=45)
sns.countplot(x='TYPE',data=cnboo)
0e4889470c1e447fa93de8d3da96c562.png

04 点图


sns.set_palette(color)
sns.palplot(sns.color_palette(color,11))
plt.figure(figsize=(15,10))
plt.title('电影票房')
plt.xticks(rotation=45)
sns.pointplot(x='TYPE',y='PRICE',data=cnboo)
plt.show()

1926b3f164c640c8a8d9926e0783471d.png

sns.set_palette(color)
sns.palplot(sns.color_palette(color,11))
plt.figure(figsize=(25,10))
plt.title('电影票房')
plt.xticks(rotation=45)
sns.pointplot(x='TYPE',y='PRICE',hue='REGION',data=cnboo)
plt.show()

c6363839b26244928e07c15e0042d547.png


05 箱型图


### 05 箱型图
sns.set_palette(color)
sns.palplot(sns.color_palette(color,11))
plt.figure(figsize=(35,10))
plt.title('电影票房')
plt.xticks(rotation=45)
sns.boxplot(x='TYPE',y='PERSONS',hue='REGION',data=cnboo) # ,markers=['^','o'],linestyles=['-','--']
plt.show()
# 图中的单个点代表在此数据当中的异常值

dd93d4ee06654e6fa9561859bc61ad39.png

06 小提琴图


### 06 小提琴图
sns.set_palette(color)
sns.palplot(sns.color_palette(color,11))
plt.figure(figsize=(35,10))
plt.title('电影票房')
plt.xticks(rotation=45)
sns.violinplot(x='TYPE',y='PRICE',hue='REGION',data=cnboo) # ,markers=['^','o'],linestyles=['-','--']
plt.show()

c7cf6c0bfd7e40f98a3aef523e86b7db.png

绘制横着的小提琴图：

sns.set_palette(color)
sns.palplot(sns.color_palette(color,11))
plt.figure(figsize=(35,10))
plt.title('电影票房')
plt.xticks(rotation=45)
sns.violinplot(x='PERSONS',y='PRICE',hue='REGION',data=cnboo,orient='h')
plt.show()

09b331c1514d43288137c00caca80caa.png

07 双变量分布图


sns.set_palette(color)
plt.figure(figsize=(15,7))
# plt.xticks(rotation=45)
sns.jointplot(x='BO',y='PRICE',data=cnboo).fig.suptitle("电影票房与票价的双变量分布图",va='top',y=1.05)
plt.show()

376fea043a444f719a56bde4d4fb2f35.png

sns.set_palette(color)
plt.figure(figsize=(15,7))
# plt.xticks(rotation=45)
snsfig=sns.jointplot(x='PERSONS',y='BO',data=cnboo,color='g',s=50,edgecolor='black',linewidth=1,alpha=0.7,space=0.1,kind='scatter',height=6,ratio=5,marginal_kws=dict(bins=10,rug=True))
snsfig.fig.suptitle("电影场均人次与票价的双变量分布图",va='top',y=1.05)
plt.show()

d0419f1516cd4b3d9c26eab59d9ef417.png

sns.set_palette(color)
plt.figure(figsize=(15,7))
# plt.xticks(rotation=45)
snsfig=sns.jointplot(x='PERSONS',y='BO',
                     data=cnboo,color='g',
                     edgecolor='black',linewidth=1,alpha=0.7,
                     space=0.1,kind='hex',height=6,joint_kws=dict(gridsize=20), # gridsize越小，网格越大
                     ratio=5,marginal_kws=dict(bins=10,rug=True)) #bins=10:表示分成10个柱 
snsfig.fig.suptitle("电影场均人次与票价的双变量分布图",va='top',y=1.05)
plt.show()

137b2569da0d4eefa44a52ca71c03cc3.pngbaaebbb0562e42bfa04cd2808667bbf3.png

sns.set_palette(color)
plt.figure(figsize=(15,7))
snsfig=sns.jointplot(x='PERSONS',y='BO',
                     data=cnboo,color='g',
                     edgecolor='black',linewidth=1,alpha=0.7,
                     space=0.1,kind='hex',height=6,joint_kws=dict(gridsize=40), # gridsize越小，网格越大
                     ratio=5,marginal_kws=dict(bins=10,rug=True,color='r',hist_kws={'edgecolor':'b'})) #bins=10:表示分成10个柱 ,且这里的color控制柱形图的颜色
snsfig.fig.suptitle("电影场均人次与票价的双变量分布图",va='top',y=1.05)
plt.show()

f3db68cc4fb34222974dd7810eaaea65.png

sns.set_palette(color)
plt.figure(figsize=(15,7))
# plt.xticks(rotation=45)
snsfig=sns.jointplot(x='PERSONS',y='BO',
                     data=cnboo,color='g',
#                      edgecolor='black',linewidth=1,alpha=0.7,
                     space=0.1,kind='kde', joint_kws=dict(gridsize=40), # gridsize越小，网格越大
                     ratio=5,) #bins=10:表示分成10个柱 ,且这里的color控制柱形图的颜色
snsfig.fig.suptitle("电影场均人次与票价的双变量分布图",va='top',y=1.05)
plt.show()
38ed660148114230a2b012d4f7957921.png


文章标签：
Python
API
关键词：
Python Matplotlib
Matplotlib seaborn
Python学习笔记
Python seaborn
Python matplotlib seaborn
渴望成为寂寞胜者
目录
相关文章
张志凌
|
21天前
|
数据可视化 Python
Matplotlib 教程 之 Seaborn 教程 10
Seaborn 是基于 Matplotlib 的 Python 数据可视化库，专注于统计图形的绘制。它提供了高级接口和美观的默认主题，简化了复杂图形的生成过程。Seaborn 支持多种图表类型，如散点图、折线图、柱状图、热图等，并特别强调视觉效果。例如，使用 `sns.violinplot()` 可以轻松绘制展示数据分布的小提琴图。
张志凌
30 1
申公豹
|
8天前
|
数据可视化 JavaScript 前端开发
Python中交互式Matplotlib图表
【10月更文挑战第20天】Matplotlib 是 Python 中最常用的绘图库之一，但默认生成的图表是静态的。通过结合 mpld3 库，可以轻松创建交互式图表，提升数据可视化效果。本文介绍了如何使用 mpld3 在 Python 中创建交互式散点图、折线图和直方图，并提供了详细的代码示例和安装方法。通过添加插件，可以实现缩放、平移和鼠标悬停显示数据标签等交互功能。希望本文能帮助读者掌握这一强大工具。
申公豹
27 5
zzy的aly
|
29天前
|
网络协议 Java Linux
PyAV学习笔记(一)：PyAV简介、安装、基础操作、python获取RTSP(海康)的各种时间戳(rtp、dts、pts)
本文介绍了PyAV库，它是FFmpeg的Python绑定，提供了底层库的全部功能和控制。文章详细讲解了PyAV的安装过程，包括在Windows、Linux和ARM平台上的安装步骤，以及安装中可能遇到的错误和解决方法。此外，还解释了时间戳的概念，包括RTP、NTP、PTS和DTS，并提供了Python代码示例，展示如何获取RTSP流中的各种时间戳。最后，文章还提供了一些附录，包括Python通过NTP同步获取时间的方法和使用PyAV访问网络视频流的技巧。
zzy的aly
130 4
PyAV学习笔记(一)：PyAV简介、安装、基础操作、python获取RTSP(海康)的各种时间戳(rtp、dts、pts)
zzy的aly
|
30天前
|
Python
Socket学习笔记(二):python通过socket实现客户端到服务器端的图片传输
使用Python的socket库实现客户端到服务器端的图片传输，包括客户端和服务器端的代码实现，以及传输结果的展示。
zzy的aly
119 3
Socket学习笔记(二):python通过socket实现客户端到服务器端的图片传输
东方睿赢
|
12天前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括：导入所需库（如`pandas`、`numpy`、`matplotlib`）
本文介绍了如何使用Python实现一个交易策略。主要步骤包括：导入所需库（如`pandas`、`numpy`、`matplotlib`），加载历史数据，计算均线和其他技术指标，实现交易逻辑，记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
东方睿赢
32 5
zzy的aly
|
30天前
|
JSON 数据格式 Python
Socket学习笔记(一):python通过socket实现客户端到服务器端的文件传输
本文介绍了如何使用Python的socket模块实现客户端到服务器端的文件传输，包括客户端发送文件信息和内容，服务器端接收并保存文件的完整过程。
zzy的aly
119 1
Socket学习笔记(一):python通过socket实现客户端到服务器端的文件传输
申公豹
|
20天前
|
数据可视化 数据挖掘 Python
Seaborn 库创建吸引人的统计图表
【10月更文挑战第11天】本文介绍了如何使用 Seaborn 库创建多种统计图表，包括散点图、箱线图、直方图、线性回归图、热力图等。通过具体示例和代码，展示了 Seaborn 在数据可视化中的强大功能和灵活性，帮助读者更好地理解和应用这一工具。
申公豹
33 3
张志凌
|
22天前
|
数据可视化 数据挖掘 Python
Matplotlib 教程 之 Seaborn 教程 8
Seaborn 是基于 Matplotlib 的 Python 数据可视化库，专注于统计图形的绘制。它提供了简洁的高级接口和美观的默认样式，支持多种图表类型，如散点图、折线图、柱状图、热图等，特别适合于数据分析和展示。例如，使用 `sns.boxplot()` 可以轻松绘制箱线图，展示数据的分布情况。
张志凌
34 3
张志凌
|
21天前
|
数据可视化 Python
Matplotlib 教程 之 Seaborn 教程 9
Seaborn 是基于 Matplotlib 的 Python 数据可视化库，专注于统计图形的绘制。它提供了高级接口和美观的默认主题，简化了复杂图形的生成过程。本文介绍了 Seaborn 的主要功能和绘图函数，包括热图 `sns.heatmap()` 的使用方法和示例代码。
张志凌
16 1
张志凌
|
25天前
|
数据可视化 Python
Matplotlib 教程 之 Seaborn 教程 2
Seaborn 是基于 Matplotlib 的 Python 数据可视化库，专注于统计图形的绘制，提供高级接口和美观的默认主题，支持散点图、折线图等多种图表类型，安装简便，可通过 `pip install seaborn` 完成。Seaborn 设计注重美观与易用性，内置多种主题如 darkgrid、whitegrid 等，便于用户快速生成高质量的统计图表。
张志凌
18 3

热门文章

最新文章

  • 1
    Python复杂网络结构可视化——matplotlib+networkx
  • 2
    完善折线图（画布层） | Python 数据可视化库 Matplotlib 快速入门之七
  • 3
    Matplotlib 中文用户指南 3.8 路径教程
  • 4
    python-matplotlib库绘制饼形图专题(从一般饼状图到内嵌环形图)
  • 5
    绘图: Python matplotlib简介
  • 6
    NumPy Beginner's Guide 2e 带注释源码 九、使用 Matplotlib 绘图
  • 7
    又再肝3天，整理了65个Matplotlib案例，这能不收藏？（上）
  • 8
    AttributeError: ‘Rectangle‘ object has no property ‘normed‘ 解决方法 matplotlib绘图
  • 9
    Matplotlib绘制子图
  • 10
    Python代码实现-主成分分析（PCA）降维及故障诊断中的T2和SPE统计量Matplotlib出图|Python技能树征题
  • 1
    利用 python 分析基金，合理分析数据让赚钱赢在起跑线！(1)
    55
  • 2
    Python中return和yield的区别，面试官不讲武德
    45
  • 3
    python函数参数的传递、带星号参数的传递，2024年大厂Python高级面试题分享
    43
  • 4
    实时计算 Flink版产品使用合集之怎么热加载Java和Python的UDF
    72
  • 5
    学会Python自动制作Word，将看到一个5天4位数的赚钱机会
    44
  • 6
    使用Python和Twilio通过短信通知主持视频办公时间。
    35
  • 7
    Python 中下划线的 6 个作用(1)，【干货】
    45
  • 8
    vscode打造舒适的python开发环境
    82
  • 9
    Python----matplotlib库
    65
  • 10
    使用Python实现深度学习模型：生成对抗网络（GAN）
    137

    • 相关课程

    更多
  • Python Web开发基础
  • Python爬虫实战
  • Python开发基础入门
  • Python常用数据科学库
  • Python网络爬虫实战
  • Python完全自学手册图文教程

    • 相关电子书

    更多
  • From Python Scikit-Learn to Sc
  • Data Pre-Processing in Python:
  • 双剑合璧-Python和大数据计算平台的结合

    • 相关实验场景

    更多
  • Python新手入门
  • Python入门
  • Python选择及循环结构
  • Python新手入门（Anolis OS）
  • Python网络通信程序典型应用
  • 云端Python及基本操作

    • 推荐镜像

    更多
  • python-release
  • nodejs-release
  • golang
    • 下一篇
    无影云桌面