Python----数据可视化（Seaborn二：绘图一）

常见方法

  • barplot方法 单独绘制条形图

  • catplot方法 可以条形图、散点图、盒图、小提亲图、等

  • countplot方法 统计数量

一、柱状图

seaborn.barplot(data=None,  x=None, y=None, hue=None, color=None, palette=None)
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
color用于变量的不同级别的颜色。应该 可以是可以解释的 ，或者是 字典将色调级别映射到 matplotlib 颜色。
palette用于绘制填充颜色的原始饱和度的比例。大 面片通常使用不饱和的颜色看起来更好，但如果您希望颜色与输入值完美匹配，请将其设置为。1

1.1、常规柱状图

import seaborn as sns
import pandas as pd
# 示例数据
tips=pd.read_csv('tips.csv')
# 单变量柱状图
sns.barplot(x="day", y="total_bill", data=tips)
# 显示图表
plt.show()

1.2、横向条形图

import seaborn as sns
import pandas as pd
# 示例数据
tips=pd.read_csv('tips.csv')
# 单变量柱状图
sns.barplot(x="total_bill", y="day", data=tips)
# 显示图表
plt.show()

1.3、分组条图

import seaborn as sns
import pandas as pd
# 示例数据
tips=pd.read_csv('tips.csv')
import seaborn as sns
# 分组柱状图
sns.barplot(x="day", y="total_bill", hue="sex", data=tips)
# 显示图表
plt.show()

1.4、设置颜色

import seaborn as sns
# 示例数据
tips=pd.read_csv('tips.csv')
# 设置颜色
sns.barplot(x="day", y="total_bill", data=tips,color='salmon')
sns.barplot(x="day", y="total_bill", hue="sex", data=tips,palette='dark:salmon')
# 显示图表
plt.show()

1.5、 统计数量

seaborn.countplot(data=None, *, x=None, y=None, hue=None, color=None, palette=None)
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
color用于变量的不同级别的颜色。应该 可以是可以解释的 ，或者是 字典将色调级别映射到 matplotlib 颜色。
palette用于绘制填充颜色的原始饱和度的比例。大 面片通常使用不饱和的颜色看起来更好，但如果您希望颜色与输入值完美匹配，请将其设置为。1
import seaborn as sns 
import matplotlib.pyplot as plt 
import pandas as pd 


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

# 通过按天数对数据进行分组并计数
# display(tips.groupby('day').count())  

# 使用ountplot 方法绘制当天小费数量的条形图  
sns.countplot(x="day", data=tips)  

# 显示绘制的图形  
plt.show()

二、直方图

方法

  • histplot方法 绘制单变量或双变量直方图来显示数据集的分布

  • displot方法 绘制直方图、核密度图。可以比较多个变量分布情况

seaborn.histplot(data=None,x=None, y=None, hue=None, bins='auto',multiple='layer', element='bars',  kde=False, palette=None,color=None)
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
color用于变量的不同级别的颜色。应该 可以是可以解释的 ，或者是 字典将色调级别映射到 matplotlib 颜色。
palette用于绘制填充颜色的原始饱和度的比例。大 面片通常使用不饱和的颜色看起来更好，但如果您希望颜色与输入值完美匹配，请将其设置为。1
bins通用 bin 参数，可以是引用规则的名称， 分箱数或分箱的分隔线。
multiple

语义映射创建子集时解析多个元素的方法。 仅与单变量数据相关。

{“layer”， “减淡”， “stack”， “fill”}

elment

直方图统计量的可视化表示形式。 仅与单变量数据相关。

{“bars”， “step”， “poly”}

seaborn.displot(data=None, *, x=None, y=None, hue=None, row=None, col=None, weights=None, kind='hist', rug=False, rug_kws=None, log_scale=None, legend=True, palette=None, hue_order=None, hue_norm=None, color=None, col_wrap=None, row_order=None, col_order=None, height=5, aspect=1, facet_kws=None, **kwargs)
row定义子集以在不同 facet 上绘制的变量。
col定义子集以在不同 facet 上绘制的变量。

2.1、常规直方图

sns.histplot(tips['total_bill'])

 

sns.displot(tips['total_bill'])

2.2、核密度估计

        核密度估计的作用是用来估计概率密度函数的，它可以用来描述随机变量的密度分布

sns.histplot(tips['total_bill'],kde=True)
sns.displot(tips['total_bill'], kde=True)

 

2.3、多变量直方图

multiple='layer' # 默认值，以层叠的形式展示
multiple='dodge' # 以并列的形式展示
multiple='stack' # 以堆叠的形式展示
multiple='fill' # 以百分比堆叠的形式展示
sns.histplot(x='total_bill', hue='sex', data=tips)

 

sns.histplot(x='total_bill', hue='sex', data=tips, multiple='stack')

 

sns.histplot(x='total_bill', hue='sex', data=tips, multiple='dodge')

 

sns.histplot(x='total_bill', hue='sex', data=tips, multiple='fill')

 

2.4、修改一些参数

sns.histplot(x='total_bill', data=tips, bins=20, color='skyblue', edgecolor='black', linewidth=1.2)
sns.displot(x='total_bill', data=tips, bins=20, color='skyblue', edgecolor='black', linewidth=1.2)

 

2.5、 累积直方图

sns.histplot(x='total_bill', data=tips, element='step')
sns.displot(x='total_bill', data=tips, element='step',col='time')

 

三、折线图

方法

  • lineplot方法 单独绘制折线图

  • relplot方法 绘制折线图、散点图

seaborn.lineplot(data=None, x=None, y=None, hue=None)
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
seaborn.relplot(data=None, *, x=None, y=None, hue=None, row=None, col=None kind='scatter')
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
row定义子集以在不同 facet 上绘制的变量。
col定义子集以在不同 facet 上绘制的变量。
kind要绘制的情节类型，对应于 seaborn 关系情节。 选项包括 或 。"scatter""line"
sns.lineplot(x=[1,2,3,4,5],y=[1,2,3,4,5])
sns.relplot(x=[1,2,3,4,5],y=[1,2,3,4,5],kind='line')

import seaborn as sns
# 示例数据
tips = pd.read_csv('tips.csv')  


sns.lineplot(x="day", y="total_bill", data=tips)
sns.relplot(x="day", y="total_bill", data=tips, kind='line')


# 多变量折线图
sns.lineplot(x="day", y="total_bill", data=tips,hue='time')
sns.relplot(x="day", y="total_bill", data=tips,hue='time',kind='line')


# 使用relplot绘制折线图
sns.relplot(x="day", y="total_bill", data=tips,
      kind='line',# 图像类型
      hue='sex',# 分类变量
      col='time') # 分图变量

 

四、散点图

方法

  • scatterplot方法 主要用于绘制两个数值变量之间的散点图

  • relplot方法 可以绘制多种类型的关系图，包括散点图

seaborn.scatterplot(data=None, x=None, y=None, hue=None)
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
seaborn.relplot(data=None, *, x=None, y=None, hue=None, row=None, col=None kind='scatter')
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
row定义子集以在不同 facet 上绘制的变量。
col定义子集以在不同 facet 上绘制的变量。
kind要绘制的情节类型，对应于 seaborn 关系情节。 选项包括 或 。"scatter""line"
import seaborn as sns


# 加载数据
tips=pd.read_csv('tips.csv')
# 常规散点图
sns.scatterplot(data=tips,x='total_bill', y='tip')
sns.relplot( data=tips, x='total_bill', y='tip',kind='scatter')
# 多组散点图
sns.scatterplot(data=tips,x='total_bill', y='tip', hue='smoker')
sns.relplot(data=tips,x='total_bill', y='tip', hue='smoker')
# 多变量散点图
sns.relplot(data=tips,x='total_bill', y='tip', hue='smoker',col='time')

 

五、分散散点图

方法

  • stripplot方法 利用抖动功能绘制分类散点图，以减少过度绘图

  • swarmplot方法 绘制分类散点图，并将点调整为不重叠

  • catplot方法 可以绘制以上2种图，并且可以分图

seaborn.stripplot(data=None, *, x=None, y=None, hue=None,dodge=False)
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
dodge当一个变量被赋值时，将其设置为 will 沿分类分隔不同色相级别的条带 轴并缩小分配给每个条带的空间量。否则 每个级别的点将绘制在同一条带中。
seaborn.swarmplot(data=None, *, x=None, y=None, hue=None,dodge=False)
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
dodge当一个变量被赋值时，将其设置为 will 沿分类分隔不同色相级别的条带 轴并缩小分配给每个条带的空间量。否则 每个级别的点将绘制在同一条带中。
seaborn.catplot(data=None, *, x=None, y=None, hue=None, row=None, col=None, kind='strip')
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
row定义子集以在不同 facet 上绘制的变量。
col定义子集以在不同 facet 上绘制的变量。
kind要绘制的绘图类型对应于分类的名称 轴级绘图功能。选项有： “strip”， “swarm”， “box”， “violin”， “boxen”、“point”、“bar” 或 “count”。
import seaborn as sns
import pandas as pd


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

sns.catplot(y="total_bill", x="day", data=tips,hue='sex',dodge=True,marker="D",col='smoker')


sns.swarmplot(y="total_bill", x="day", data=tips,hue='sex',marker="v")

 

sns.catplot(y="total_bill", x="day", data=tips,hue='sex',marker="v",col='smoker',kind='swarm')

六、盒图

方法

  • boxplot方法

  • catplot方法

seaborn.boxplot(data=None, *, x=None, y=None, hue=None,fill=True,width=0.8, gap=0,notch=False)
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
fill定义子集以在不同 facet 上绘制的变量。
gap箱体间隔
width箱体宽度
notch箱体是否缺口
seaborn.catplot(data=None, *, x=None, y=None, hue=None, row=None, col=None, kind='strip')
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
row定义子集以在不同 facet 上绘制的变量。
col定义子集以在不同 facet 上绘制的变量。
kind要绘制的绘图类型对应于分类的名称 轴级绘图功能。选项有： “strip”， “swarm”， “box”， “violin”， “boxen”、“point”、“bar” 或 “count”。
import seaborn as sns
import pandas as pd


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


sns.boxplot(x="day", y="total_bill", data=tips,hue="smoker",
      fill=False, # 填充箱体,默认为True
      gap=0.1,  # 箱体间隔
      width=0.5, # 箱体宽度
      notch=True # 箱体是否缺口
       )

sns.catplot(x="day", y="total_bill", data=tips,kind="box",col="sex")

 

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/983929.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

只音 1.2.0 |纯净无广告，畅听全网音乐，支持无损下载和批量下载

只音 1.2.0 |纯净无广告，畅听全网音乐，支持无损下载和批量下载

只音是一款全网音乐一网打尽的听歌利器，无需登录即可搜索抖音、网易云、QQ音乐等平台资源，无损音质直连播放。内置智能推荐算法，每日更新热门榜单与个性化歌单，轻松发现小众优质音乐。支持批量下载功能，一次性打包30首…
阅读更多...
Python从入门到精通1：FastAPI

Python从入门到精通1：FastAPI

引言 在现代 Web 开发中，API 是前后端分离架构的核心。FastAPI 凭借其高性能、简洁的语法和自动文档生成功能，成为 Python 开发者的首选框架。本文将从零开始，详细讲解 FastAPI 的核心概念、安装配置、路由设计、请求处理以及实际应用案例&a…
阅读更多...
Service与Ingress：如何将你的应用暴露给世界

Service与Ingress：如何将你的应用暴露给世界

引言：从“内部通讯”到“对外开放” 想象Kubernetes集群是一座繁忙的办公楼，每个Pod（容器）是楼内的员工。 Service 就像前台的接待员，负责将外部电话（请求）转接到正确的员工（Pod&am…
阅读更多...
【Linux学习篇】--开发工具第一期

【Linux学习篇】--开发工具第一期

目录 1. Linux编辑器的使用--vim使用 1.1 vim的基本概念 1.2 vim基本操作 1.3 vim正常模式（指令模式）命令集 1.4 vim末行模式命令集 1.5 vim配置 2. Linux编译器-gcc/g使用 2.1 背景知识 2.2 gcc如何完成 2.3 gcc选择项 1. Linux编…
阅读更多...
Elastic：AI 会开始取代网络安全工作吗？

Elastic：AI 会开始取代网络安全工作吗？

作者：来自 Elastic Joe DeFever 不会，但它正在从根本上改变这些工作。 生成式 AI (GenAI) 正迅速成为日常安全工作流程中的一个重要组成部分。那么，它是合作伙伴还是竞争对手？ GenAI 技术在安全堆栈几乎每个方面的广泛应用&#…
阅读更多...
Windows 11 IoT 企业版 LTSC 2025 特制适度 22635.5025

Windows 11 IoT 企业版 LTSC 2025 特制适度 22635.5025

文件: Windows 11 IoT 企业版 LTSC 2025 特制适度 22635.5025 install.esd 大小: 2.57G（2768694310 字节） 修改时间: 2025年3月9日, 星期日, 11 : 40 : 15 MD5: BFCB23BC2F78CA9243FFA68D5DDDDFC1 SHA1: C4D8BBF8B8D8E0E8E49DE5E9CC8D7F77385A745A CRC32…
阅读更多...
Lab18_ SQL injection with filter bypass via XML encoding

Lab18_ SQL injection with filter bypass via XML encoding

文章目录 前言：进入实验室构造 payload 前言： 实验室标题为： 通关 XML 编码绕过过滤器的 SQL 注入 简介： 此实验室的库存检查功能中存在 SQL 注入漏洞。查询结果在应用程序的响应中返回，因此您可以使用 UNION 攻击…
阅读更多...
kali虚拟机登录页面发癫 大写锁定输入不了密码

kali虚拟机登录页面发癫 大写锁定输入不了密码

不知道怎么了 总是发癫 重启切换太麻烦了 还有时候不成功 kali其实可以开启虚拟键盘 如下 就解决的 发癫kali 发癫 发癫
阅读更多...
【汇编语言】单片机程序执行过程

【汇编语言】单片机程序执行过程

一、任务需求 指示灯LED4闪烁，亮0.5秒，灭0.5秒，无限循环 二、针对硬件的编程 1、确定原理图2、确定硬件的物理关系 三、设计步骤 1.用自己的语言描述工作流程 1.1指示灯LED4亮1.2延时0.5秒1.3指示灯LED4灭1.4延时0.5秒1.5跳转到1.1步 …
阅读更多...
【Linux篇】调试器-gdb/cgdb使用

【Linux篇】调试器-gdb/cgdb使用

📌 个人主页： 孙同学_ 🔧 文章专栏：Liunx 💡 关注我，分享经验，助你少走弯路！ 文章目录 1. 前言2.关于gdb2.1 快速认识gdb2.2 安装cgdb2.3 gdb命令2.4 调试 & 断点 3.常见技巧3.…
阅读更多...
ThinkPhp 5 安装阿里云内容安全（绿化）

ThinkPhp 5 安装阿里云内容安全（绿化）

composer require alibabacloud/green-20220302 首先要把php5(不支持php7)的执行文件设置到PATH环境变量 此外还要先执行composer update php5.5和php5.6的区别 5.5认为 <? 开头的也是php文件&#xff0c;包括 <?php 5.6认为 <? 开头的不是php文件&#xff0c;只…
阅读更多...
Level DB --- 写流程计算

Level DB --- 写流程计算

写流程架构Level DB --- 写流程架构-CSDN博客已经介绍&#xff0c;写流程计算包括写日志&#xff0c;和将kv插入到memtable中。 写日志和写memtable 用户端插入的kv数据&#xff0c;既要写日志同时也要写memtable。写日志是指kv记录要同步到日志文件中&#xff1b;写memtable…
阅读更多...
JavaWeb-servlet6中过滤器和监听器

JavaWeb-servlet6中过滤器和监听器

Servlet 过滤器 Servlet 过滤器&#xff08;Filter&#xff09;与 Servlet 十分相似&#xff0c;但 Filter 具有拦截客户端请求的功能&#xff0c; Filter 可以改变请求中的内容&#xff0c;以便满足实际开发中的需要。对于程序开发人员而言&#xff0c; Filter 实质上就是 We…
阅读更多...
SQL PLUS与Oracle数据库的交互

SQL PLUS与Oracle数据库的交互

一、SQL Plus与数据库的交互 可以 使用2种基本类型的命令与数据库进行交互&#xff1a; 服务器执行的命令&#xff1a;SQLQ命令&#xff08;以&#xff1b;结束&#xff09;和PL/SQL程序块&#xff08;以/结束&#xff09; 本地命令&#xff1a;SQL Plus命令 二、设置SQL Pl…
阅读更多...
Git系列之git tag和ReleaseMilestone

Git系列之git tag和ReleaseMilestone

以下是关于 Git Tag、Release 和 Milestone 的深度融合内容&#xff0c;并补充了关于 Git Tag 的所有命令、详细解释和指令实例&#xff0c;条理清晰&#xff0c;结合实际使用场景和案例。 1. Git Tag 1.1 定义 • Tag 是 Git 中用于标记特定提交&#xff08;commit&#xf…
阅读更多...
WinForm模态与非模态窗体

WinForm模态与非模态窗体

1、模态窗体 1&#xff09;定义&#xff1a; 模态窗体是指当窗体显示时&#xff0c;用户必须先关闭该窗体&#xff0c;才能继续与应用程序的其他部分进行交互。 2&#xff09;特点&#xff1a; 窗体以模态方式显示时&#xff0c;会阻塞主窗体的操作。用户必须处理完模态窗体上…
阅读更多...
关闭Windows安全中心，解析与实操指南

关闭Windows安全中心，解析与实操指南

在这个数字化时代&#xff0c;Windows操作系统作为我们日常工作和娱乐的基石&#xff0c;其内置的Windows安全中心&#xff08;Windows Defender Security Center&#xff09;在保护系统安全方面扮演着重要角色。然而&#xff0c;对于某些高级用户或特定需求场景&#xff0c;关…
阅读更多...
【 ＜一＞ 炼丹初探：JavaWeb 的起源与基础】之 JSP 标签库：自定义标签的开发与应用

【 ＜一＞ 炼丹初探：JavaWeb 的起源与基础】之 JSP 标签库：自定义标签的开发与应用

<前文回顾> 点击此处查看 合集 https://blog.csdn.net/foyodesigner/category_12907601.html?fromshareblogcolumn&sharetypeblogcolumn&sharerId12907601&sharereferPC&sharesourceFoyoDesigner&sharefromfrom_link <今日更新> 一、JSP 标签…
阅读更多...
IDEA与Maven使用-学习记录（持续补充...）

IDEA与Maven使用-学习记录（持续补充...）

1. 下载与安装 以ideaIU-2021.3.1为例&#xff0c;安装步骤&#xff1a; 以管理员身份启动ideaIU-2021.3.1修改安装路径为&#xff1a;D:\Program Files\JetBrains\IntelliJ IDEA 2021.3.1勾选【创建桌面快捷方式】&#xff08;可选&#xff09;、【打开文件夹作为项目】&…
阅读更多...
JS中的闭包（closures）一种强大但易混淆的概念

JS中的闭包（closures）一种强大但易混淆的概念

JavaScript 中的闭包&#xff08;closures&#xff09;被认为是一种既强大又易混淆的概念。闭包允许函数访问其外部作用域的变量&#xff0c;即使外部函数已执行完毕&#xff0c;这在状态维护和回调函数中非常有用。但其复杂性可能导致开发者的误解&#xff0c;尤其在变量捕获和…
阅读更多...
最新文章

Copyright @ 2022~2023