企查查企业信息查询网官网,衡阳百度seo,在internet上建设网站可选择,高端公司网站设计Seaborn是一个基于matplotlib的可视化库#xff0c;其为用户提供了高级接口#xff0c;并且该工具还深度集成了pandas的数据结构。并且该工具该集成了很多数据库#xff0c;配合官网给出的代码示例#xff0c;可以更方便的进行操作。
官网对它的介绍为#xff1a;
Seabo…Seaborn是一个基于matplotlib的可视化库其为用户提供了高级接口并且该工具还深度集成了pandas的数据结构。并且该工具该集成了很多数据库配合官网给出的代码示例可以更方便的进行操作。
官网对它的介绍为
Seaborn is a Python data visualization library based on matplotlib. It provides a high-level interface for drawing attractive and informative statistical graphics.Seaborn is a library for making statistical graphics in Python. It builds on top of matplotlib and integrates closely with pandas data structures.Seaborn helps you explore and understand your data. Its plotting functions operate on dataframes and arrays containing whole datasets and internally perform the necessary semantic mapping and statistical aggregation to produce informative plots. Its dataset-oriented, declarative API lets you focus on what the different elements of your plots mean, rather than on the details of how to draw them.
官网地址为https://seaborn.pydata.org/提示引入seaborn会修改matplotlib默认的颜色方案和绘图类型以提高可读性和美观度。即使不使用seaborn API可能也会引入seaborn作为提高美观度和绘制常见matplotlib图形的简化方法。
和matplotlib一般被命令为plt一样seaborn一般被命名为sns. 通常采用如下的导入方式
import seaborn as sns示例
这里先看一个示例
# Import seaborn
import seaborn as sns
import pandas as pd# Apply the default theme
sns.set_theme()# Load an example dataset
tips pd.read_csv(rtips.csv)# Create a visualization
sns.relplot(datatips,xtotal_bill, ytip, coltime,huesmoker, stylesmoker, sizesize,
)
首先在上面的代码中导入了seaborn、pandas两个库。
然后set_theme()实际则是使用matplotlib rcParam系统并对matplotlib进行配置从而影响到最后的显示。不过上面使用的是默认配置。
除了默认配置之外可以使用参数独立控制绘图的风格和缩放比例等。
def set_theme(contextnotebook, styledarkgrid, palettedeep,fontsans-serif, font_scale1, color_codesTrue, rcNone):Set aspects of the visual theme for all matplotlib and seaborn plots.This function changes the global defaults for all plots using thematplotlib rcParams system. The themeing is decomposed into several distinctsets of parameter values.The options are illustrated in the :doc:aesthetics ../tutorial/aestheticsand :doc:color palette ../tutorial/color_palettes tutorials.Parameters----------context : string or dictScaling parameters, see :func:plotting_context.style : string or dictAxes style parameters, see :func:axes_style.palette : string or sequenceColor palette, see :func:color_palette.font : stringFont family, see matplotlib font manager.font_scale : float, optionalSeparate scaling factor to independently scale the size of thefont elements.color_codes : boolIf True and palette is a seaborn palette, remap the shorthandcolor codes (e.g. b, g, r, etc.) to the colors from this palette.rc : dict or NoneDictionary of rc parameter mappings to override the above.Examples--------.. include:: ../docstrings/set_theme.rstset_context(context, font_scale)set_style(style, rc{font.family: font})set_palette(palette, color_codescolor_codes)if rc is not None:mpl.rcParams.update(rc)
这里和官网的示例有差异是直接将csv文件下载到本地利用pd.read_csv()方法导入的。
之前提到seaborn和pandas关系紧密因此能够直接使用pandas中的数据结构。
最后是使用relplot()函数创建的图表。
和matplotlib不同seaborn的图表函数中data参数是必须的该参数指定了数据集seaborn能够从该参数中推断要显示的数据。其他参数都是可选的并且不需要指定图表元素的属性比如颜色和标记。
数据结构
关于数据结构使用seaborn最好是使用pandas DataFrame或者numpy array。
虽然list也可以直接使用但是直接使用list不能发挥seaborn的优势有点大材小用了。
data [5,7,6,2,6,8,6,2,4,9]sns.relplot(data, kindline)
参数
这里看一下常用的几个参数
data表示要使用的数据集。可以是 Pandas DataFrame、NumPy 数组或其他数据结构。x、y表示要绘制的数据的变量。在大多数函数中x 和 y 分别表示横轴和纵轴上的数据变量。col用于指定分组图表中的列变量。当需要根据数据的某个特定变量进行分组并绘制多个子图时可以使用 col 参数。hue表示要对数据进行分组的变量可以通过颜色或其他视觉属性来区分不同的组。palette表示要使用的颜色调色板。可以是预定义的调色板名称也可以是自定义的颜色列表。size、sizes表示散点图中数据点的大小。size 参数控制所有数据点的大小而 sizes 参数可以传入一个数组或列表用于指定每个数据点的大小。-style表示散点图中数据点的样式。可以是预定义的样式名称也可以是一个数组或列表用于为每个数据点指定样式。kind用于指定要创建的图表类型alpha表示图表元素的透明度。可以是一个介于 0 和 1 之间的浮点数。linewidth、edgecolor表示线条的宽度和颜色。bins表示直方图中的条形数或箱线图中箱子的数量。orient表示条形图的方向可以是 v垂直或 h水平。ax用于指定要在其上绘制图表的matplotlib Axes对象
上图总结起来就是
源数据为tipsx轴数据为tips中的total_bill列y轴数据为tips中的tip列利用time列中的数据进行分组time列中存在两类数据分别为Lunch和Dinner所以分为两个图hue参数为smoker列smoker列中存在两类数据分别为Yes和No所以每个图中又分为两类即每个图中的数据按照Yes和No分为两类style参数为smoker列smoker列中存在两类数据分别为Yes和No这里用颜色区分颜色为默认设置中的配置size参数为size列size列中存在6类在图中就是数据点的大小不同
而kind参数主要有以下几种
kindline折线图Line plotkindscatter散点图Scatter plotkindbar条形图Bar plotkindbarh水平条形图Horizontal bar plotkindhist直方图Histogramkindbox箱线图Box plotkindviolin小提琴图Violin plotkindpie饼图Pie chartkindheatmap热力图Heatmapkindkde核密度估计图Kernel density plotkindreg线性回归图Linear regression plot
其它的参数也都有设置值可查看官网或相关文档。
图表类型
从上面可以看出使用seaborn和matplotlib的区别seaborn更加简洁但是matplotlib更加灵活。
使用seaborn不用考虑图表的格式线型颜色字体等等只需要关注数据的分析。
而seaborn中主要的图表类型有三大类分别是
关系图分布图分类图
其中关系图的接口为relplot()它是一个Figure-level的函数。
在关系图中可以使用kind参数来指定关系图的类型例如散点图(scatter plot)、折线图(line plot)等。
另外也可以直接使用对应的接口做出对应的图形比如
relplot()创建关系图的通用函数可以绘制散点图、折线图、小提琴图等不同类型的图表。scatterplot()绘制散点图用于显示两个连续变量之间的关系。lineplot()绘制折线图用于显示一个连续变量随另一个连续变量的变化趋势。
将上面的rellplot()函数改为scatterplot()函数一样可以得到相同的结果只是从美观的角度来看没有relplot()的结果好看
import matplotlib.pyplot as pltf, axs plt.subplots(1, 2)sns.scatterplot(datatips[tips[time] Dinner], xtotal_bill, ytip, huesmoker, stylesmoker, sizesize, axaxs[0])
sns.scatterplot(datatips[tips[time] Lunch], xtotal_bill, ytip, huesmoker, stylesmoker, sizesize, axaxs[1])f.tight_layout()
分布图的接口为displot()它也是一个Figure-level的函数。
在分布图中可以使用kind参数来指定分布图的类型例如直方图(hist plot)、核密度估计图(kde plot)、累积分布图(ecdf plot)等。
另外也可以直接使用对应的接口做出对应的图形比如
displot()绘制直方图、核密度估计图和经验累积分布函数等不同类型的单变量分布图。histplot()绘制直方图用于显示单变量的分布。kdeplot()绘制核密度估计图用于显示单变量的概率密度估计。ecdfplot()绘制经验累积分布函数图用于显示单变量的经验累积分布。rugplot()绘制地毯图用于显示单变量的数据点分布。
分类图的接口为catplot()它也是一个Figure-level的函数。
在分类图中可以使用kind参数来指定分布图的类型例如条形图(bar plot)、箱线图(box plot)、小提琴图(violin plot)等。
另外也可以直接使用对应的接口做出对应的图形比如
barplot()绘制条形图用于显示分类变量和数值变量之间的关系。pointplot()绘制点图用于显示分类变量和数值变量之间的关系并显示置信区间。boxplot()绘制箱线图用于显示分类变量和数值变量之间的关系并显示分位数和异常值。violinplot()绘制小提琴图用于显示分类变量和数值变量之间的关系并显示分布和概率密度。stripplot()绘制散点图用于显示分类变量和数值变量之间的关系。swarmplot()绘制蜂群图用于显示分类变量和数值变量之间的关系并在同一位置上显示每个数据点。
其实可以将seaborn的图像看成是matplotlib的图像只是在matplotlib的基础上进行了美化使用户可以关注于数据分析本身而不是图像的细节控制。
图像的保存
既然seaborn的图像是matplotlib的图像那么就可以使用matplotlib的保存方法来保存seaborn的图像。
plt.savefig(test.png)
