python中seaborn包常用图形使用详解
seaborn包是对matplotlib的增强版,需要安装matplotlib后才能使用。
所有图形都用plt.show()来显示出来,也可以使用下面的创建画布
fig,ax=plt.subplots() #一个画布 fig,(ax1,ax2) = plt.subplots( ncols=2) #两个画布
1)单个特征统计图countplot
sn.countplot(train.mnth)#离散型特征可使用,描述样本点出现的次数。
2)单个特征统计图distplot
sn.distplot(train.cnt.values,bins=50,kde=True)#连续型特征可使用,bins=50分成50个柱形,kde=True显示核密度线。如果图形的尾巴很特殊,则可能是奇异点(离群点,噪声点),考虑去掉。
3)双特征小提琴图
sn.violinplot(data=train[['yr', 'cnt']],x="yr",y="cnt") #显示数据分布及其概率密度,中间的黑色粗条表示四分位数范围,从其延伸的幼细黑线代表 95% 置信区间,而白点则为中位数。
4)双特征箱型图
sn.boxplot(data=train,x="yr",y="cnt")#又称为盒须图、盒式图或箱线图,是一种用作显示一组数据分散情况资料的统计图。它显示情况从上到下的顺序为:异常值(可能没有)、最大值、上四分位数、中位数、下四分位数、最小值、异常值(有时没有,如果有,要特别注意)。
5)双特征棒图
fig,(ax1,ax2) = plt.subplots(ncols=2) #一个画布,两个轴 sn.barplot(data=train,x='holiday',y='cnt',hue='weathersit',ax=ax1) #hue='weathersit',通过weathersit来区分 sn.barplot(data=train,x='workingday',y='cnt',hue='season',ax=ax2) #hue='season',通过season来区分
6)双特征折线图
fig,ax = plt.subplots() sn.pointplot(data=train[['dayofyear','cnt', 'yr']],x='dayofyear',y='cnt',hue='yr',ax=ax) # hue='yr'指的是区分开年份。hue指颜色 ax.set(title="dayly distribution of counts") plt.show()
7)关系热力图
corrMatt = train[["temp","atemp","hum","windspeed","cnt"]].corr() mask = np.array(corrMatt) mask[np.tril_indices_from(mask)] = False sn.heatmap(corrMatt, mask=mask, vmax=1, square=True,annot=True) plt.show()
8)双特征散点图
sn.scatterplot(x=train.GrLivArea,y=train.SalePrice) plt.title("Looking for outliers") #图形标题 plt.show()
以上这篇python中seaborn包常用图形使用详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
相关文章
使用django-suit为django 1.7 admin后台添加模板
前面我们介绍了Django-grappelli给admin添加模板,可是使用中发现inline有点问题,所以就换了今天我们要谈的Django-suit,貌似要稍微好一些2014-11-11Python爬虫爬取全球疫情数据并存储到mysql数据库的步骤
这篇文章主要介绍了Python爬虫爬取全球疫情数据并存储到mysql数据库的步骤,帮助大家更好的理解和学习使用python,感兴趣的朋友可以了解下2021-03-03Python MongoDB 插入数据时已存在则不执行,不存在则插入的解决方法
这篇文章主要介绍了Python MongoDB 插入数据时已存在则不执行,不存在则插入的解决方法,结合实例形式分析了Python基于日志判断数据是否已经插入的相关操作技巧,需要的朋友可以参考下2019-09-09Django项目如何配置Memcached和Redis缓存?选择哪个更有优势?
这篇文章主要介绍了Django项目如何配置Memcached和Redis缓存,帮助大家更好的理解和学习使用django框架,感兴趣的朋友可以了解下2021-04-04Python数据分析应用之Matplotlib数据可视化详情
这篇文章主要介绍了Python数据分析应用之Matplotlib数据可视化详情,文章围绕主题展开详细的内容介绍,具有一定的参考价值,感兴趣的小伙伴可以参考一下2022-06-06
最新评论