python seaborn 可视化【箱型图 直方图 折线图 散点图 KDE曲线 柱状图】

置顶 已于 2023-04-14 19:51:18 修改
阅读量3.3k 收藏 49
点赞数 3
分类专栏： 可视化 文章标签： python 数据分析 pycharm
于 2022-05-15 11:41:45 首次发布
本文为博主原创文章，未经博主允许禁止转载。转载请注明出处，否则保留追究法律责任的权力。
本文链接：https://blog.csdn.net/JM1307hhh/article/details/124779180
版权

【参考b站视频：一小时带你掌握seaborn可视化教程
跟着视频学习了一下，并记录下来分享给大家~
我是在 pycharm 环境中运行的，用 jupyter notebook会更方便一点哦~】

目录

需要导入的库函数：

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt

使用 seaborn 画图时需要调用哪些语句，可以参考下边的这幅图：
（具体怎么用，通过后边的代码就能看出来，不急~~）
在这里插入图片描述

数据说明

实验中我们使用seaborn自带的数据集，seaborn主要分析处理的就是dataframe数据类型

print(sns.get_dataset_names()) #查看seaborn有哪些自带的数据集

# 加载第一个测试数据集
penguin_df=sns.load_dataset("penguins") #加载数据报错时，参考 https://zhuanlan.zhihu.com/p/452775423
# print(penguin_df)

# 加载第二个测试数据集
tip_df=sns.load_dataset("tips")
# print(tip_df)

1. 箱型图

箱型图可以用来查看数据的取值范围，检查一下是否存在异常

## 数据集中其实是存在缺失值的，但是下边的画图并没有报错，可见seaborn会自动识别空值
sns.boxplot(data=penguin_df,x="bill_length_mm") # 传入的df数据；在x轴上绘制bill_length_mm列数据的分布情况
#sns.boxplot(data=penguin_df,y="bill_length_mm")  #在y轴上绘制
#sns.boxplot(data=penguin_df) #不指定画哪列的话，就是每列数据的箱型都在一张图上了
plt.show()  #想在pycharm中让seaborn弹出图，需要加上这句话（后续不再强调，大家别忘了加就行）

在这里插入图片描述

###### 画多箱图 ######
#根据sex属性，对total_bill这列数据进行拆分
#属于Male的total_bill拿出来画一个分布，属于Female的total_bill拿出来画一个分布
sns.boxplot(data=tip_df,y="total_bill",x='sex')

在这里插入图片描述

# 根据最开始给出的那个框架图，boxplot属于catplot大类，所以我们也可以用catplot来画图
sns.catplot(data=penguin_df,x="bill_length_mm",kind="box") #这里要用kind参数来指定画箱型图

在这里插入图片描述

【更多箱型图操作可参考：绘制箱型图】

2. 分布散点图

相当于把箱型图的箱子里的数据给展示出来

sns.stripplot(data=df_select,x='vpair',y='weight')

在这里插入图片描述

sns.stripplot(data=df_select,x='vpair',y='weight',jitter=False) # jitter参数可以设置去掉震动效果

在这里插入图片描述

3. 小提琴图

sns.violinplot(data=tip_df,x='day',y="total_bill")

在这里插入图片描述

4. 直方图

统计某个数值出现的频数/频率

sns.displot(data=penguin_df,x='bill_length_mm') # displot默认是绘制直方图

在这里插入图片描述

sns.histplot(data=penguin_df,x='bill_length_mm') #用histplot这个专门画直方图的试一下

在这里插入图片描述

sns.displot(data=penguin_df,x='bill_length_mm',bins=50) #调整每个统计区间的大小

在这里插入图片描述

sns.displot(data=penguin_df,x="species") #类别变量这列也可以画直方图

在这里插入图片描述

###### hue是一个很重要的参数，它可以自动对类别进行解析，加上它画出来的图也很高级
sns.displot(data=penguin_df,x="species",hue="species",shrink=0.7) #shrink来缩小间距

在这里插入图片描述

sns.countplot(data=penguin_df,x='species') #根据那个框架图，可以看到countplot是专门针对类别统计的

在这里插入图片描述

5. 柱状图

跟直方图不一样，纵轴代表的是数值大小而不是频数，可参考matplotlib中的bar

x = ['A','B','C','D','E','F']
y = [8,3,2,4,9,5]

sns.barplot(x,y,color='steelblue')
plt.xlabel('方法',fontsize=12)
plt.ylabel('准确率',fontsize=12)
plt.show()

在这里插入图片描述
【至于怎么画多组方案并列对比的柱状图，用matlab更方便简洁一点】

6. 核密度估计KDE曲线

sns.displot(data=penguin_df,x='bill_length_mm',kde=True) #默认画的直方图，并叠加上kde曲线

在这里插入图片描述

sns.displot(data=penguin_df,x='bill_length_mm',kind="kde",hue="species") #kind指定我就是要画kde曲线，用强大的来hue解析类别

在这里插入图片描述

sns.displot(data=penguin_df,x='bill_length_mm',kind="kde",hue="species",rug=True) #rug参数可以在下方加上观测数据的小细条

在这里插入图片描述

sns.displot(data=penguin_df,x='bill_length_mm',kind="kde",hue="species",cut=0)#kde曲线是拟合的，所以存在超出范围的值，用cut参数即可去除不展示

在这里插入图片描述

sns.displot(data=penguin_df,x='bill_length_mm',kind="kde",hue="species",cut=0,linewidth=5,color='r') #还可以设置线宽、颜色

在这里插入图片描述

7. 绘制多个子图

利用FaceGrid特性来形成多个子图（根据某两列属性的组合构成多图）

sns.displot(data=penguin_df,x='bill_length_mm',row='sex',col='island',kind='kde')

在这里插入图片描述

sns.displot(data=penguin_df,x='bill_length_mm',row='sex',col='island',hue='species',kind='kde')  # hue它又来喽~~

在这里插入图片描述

8. 散点图

sns.relplot(data=tip_df,x='total_bill',y='tip') #绘制散点图

在这里插入图片描述

sns.relplot(data=tip_df,x='total_bill',y='tip',hue='time',style='time',markers=['o','^']) #后边可以加一些参数，区分不同的类别

在这里插入图片描述

sns.relplot(data=tip_df,x='total_bill',y='tip',hue='size',size='size') #还可以设置点的大小变化

在这里插入图片描述

sns.relplot(data=tip_df,x='total_bill',y='tip',col='day',col_wrap=2) #按“day”列划分多子图，放在一行太挤太丑了，用col_wrap设置一行两个

在这里插入图片描述

9. 折线图

折线图展示出变量的变化过程。和kde曲线是不一样的，kde和直方图是看变量的分布，没有时序的概念

### 以下两种方式均可 ###

profitList=[3,2,4,1,-2,7,8,8,8]
sns.lineplot(data=profitList)  # 传入一个列表

df=pd.read_csv(r'E:\2022年\example.csv')
sns.lineplot(data=df['w']) # 传入dataframe的某一列

在这里插入图片描述

10. 线性关系分析

基于上边画的散点，找到一个线性回归函数进行拟合

sns.lmplot(data=tip_df,x='total_bill',y='tip')

在这里插入图片描述

sns.regplot(data=tip_df,x='total_bill',y='tip') #专门画回归的函数

在这里插入图片描述

sns.lmplot(data=tip_df,x='total_bill',y='tip',row='smoker',col='time',hue="time") #画子集的多图

在这里插入图片描述

持续更新中……

JM1307hhh
关注
  • 3
    点赞
  • 踩
  • 49
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python数据可视化库seaborn的使用总结
01-20
seaborn是python中的一个非常强大的数据可视化库，它集成了matplotlib，下图为seaborn的官网，如果遇到疑惑的地方可以到官网查看。http://seaborn.pydata.org/ 从官网的主页我们就可以看出，seaborn在数据可视化上真的非常强大。 1.首先我们还是需要先引入库，不过这次要用到的python库比较多。 import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt import seaborn as sns 2.sns
Python数据分析基础之图与图表(2)
01-06
上一节主要学习了使用matplotlib模块绘制统计图。这一节主要学习使用pandas, seaborn等模块绘制统计图。 使用pandas绘制统计图   pandas模块提供了一个可以作用于序列和数据框的函数plot()，简化了基于序列和数据框中的数据创建图表的过程。plot()函数默认创建折线图，我们可以通过设置参数kind来创建其他类型的图表。   除了使用matplotlib模块创建标准统计图，还可以使用pandas模块可以创建其他类型的统计图，例如六边箱图（hexagonal bin plot）、矩阵散点图、密度图、Andrews曲线图、平行坐标图、延迟图、自相关图和自助抽样图。如果
Python数据分析学习系列 九 绘图和可视化
pidzhengding的博客
06-13 1050
资料转自（GitHub地址）：https://github.com/wesm/pydata-book 有需要的朋友可以自行去github下载 信息可视化（也叫绘图）是数据分析中最重要的工作之一。它可能是探索过程的一部分，例如，帮助我们找出异常值、必要的数据转换、得出有关模型的idea等。另外，做一个可交互的数据可视化也许是工作的最终目标。Python有许多库进行静态或动态的数据可视化，但我这里重要关注于matplotlib（http://matplotlib.org/）和基于它的库。matplotlib是
Seaborn 可视化学习
upr_rom的博客
05-18 621
本文总结了seaborn的常见用法，主要用于RL的结果绘制。
箱型图/盒图 jupyter Notebook
Amanda_python的博客
10-23 2767
图片来自 网易云课堂 上四分位数Q1：将序列平均分为四份，可以描述为median之前两部分的中值 下四分位数Q3：可以描述为median之前两部分的中值 #plt.plot.box(),plt.boxplot() fig,axes = plt.subplots(2,1,figsize = (10,6)) df = pd.DataFrame(np.random.rand(10,5), columns=['A', 'B', 'C', 'D', 'E'.
python可视化之seaborn
GhostLWB的博客
08-11 1万+
数据可视化的文章我很久之前就打算写了，因为最近用Python做项目比较多，于是就花时间读了seaborn的文档，写下了这篇。 数据可视化在数据挖掘中是一个很重要的部分，将数据用图表形式展示可以很直观地看到数据集的特点（比如正态分布，长尾分布，聚集等），方便下一步怎么对数据进行处理。 这里我用的是Python来进行可视化，因为Python的框架相对较多而且使用的也较广泛。我们在这里用的是seab...
sns.boxplot()简单用法
热门推荐
DDxuexi的博客
04-19 2万+
sns.boxplot() 箱形图（Box-plot）： 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。它能显示出一组数据的最大值、最小值、中位数及上下四分位数 #参数如下： seaborn.boxplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=0.75, width=0.8,
seaborn可视化统计关系/散点图/折线图
qq_46621219的博客
08-01 4763
While you should make use of the flexibility afforded by scatterplot( ) and relplot( ), always try to keep in mind that several simple plots are usually more effective than one complex plot. 当你利用　scatterplot( )和　relplot( )所提供的灵活性的同时，应当尽可能地记住一些简单图形，这往往比只记住.
(转载)箱线图boxplot解释与python绘制
lllusionary的博客
12-01 8798
原文链接箱线图boxplot - 喜欢吃面的猪猪 - 博客园 箱线图boxplot——展示数据的分布 图表作用: 1.反映一组数据的分布特征，如：分布是否对称，是否存在离群点 2.对多组数据的分布特征进行比较 3.如果只有一个定量变量，很少用箱线图去看数据的分布，而是用直方图去观察。一般都要跟其余的定性变量做分组箱线图，可以起对比作用。（key） 适合数据类型： 针对连续型变量 用法： 只有一个变量、一组的数据（1个变量，0个定性变量），比如：学生的成绩情况 只有一个变量、多组.
python统计分析——箱线图（sns.boxplot）
最新发布
maizeman126的博客
01-10 1602
（1）x=None，y=None，用于数据显示的轴向。
第五章. 可视化数据分析图表—Seaborn图表（折线图，直方图，条形图，散点图）
weixin_45116749的博客
12-30 3198
第五章. 可视化数据分析图表—Seaborn图表， 本节主要介绍折线图，直方图，条形图，散点图。
数据可视化教学代码和案例（python+jupyter）
06-01
数据可视化的教学代码： 包括折线图+柱状图+饼图+盒图+散点图+直方图+3d图 画布的布局、画图中中文乱码的解决、背景板的选择等 简单的数据分析和可视化案例： titanic数据的简单分析可视化 iris数据的聚类可视化 GDP数据结合pyechart的应用 股票数据的可视化与简单的策略实现
Python设置matplotlib.plot的坐标轴刻度间隔以及刻度范围
09-19
主要介绍了Python设置matplotlib.plot的坐标轴刻度间隔以及刻度范围，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
详解用Python为直方图绘制拟合曲线的两种方法
01-20
直方图是用于展示数据的分组分布状态的一种图形，用矩形的宽度和高度表示频数分布，通过直方图，用户可以很直观的看出数据分布的形状、中心位置以及数据的离散程度等。 在python中一般采用matplotlib库的hist来绘制直方图，至于如何给直方图添加拟合曲线（密度函数曲线），一般来说有以下两种方法。 方法一：采用matplotlib中的mlab模块 mlab模块是Python中强大的3D作图工具，立体感效果极佳。在这里使用mlab可以跳出直方图二维平面图形的限制，在此基础上再添加一条曲线。在这里，我们以鸢尾花iris中的数据为例，来举例说明。 import numpy as np im
seaborn基本使用
12-21
1.关系图-散点图的绘制 2.关系图-折线图的绘制 3.分类图-分类散点图的绘制 4.分类图-分类分布图的绘制 5.分类图-分类统计图的绘制 6.分布图-单一变量分布图的绘制 7.分布图-二变量分布图的绘制 8.分布图-pairplot分布图的绘制 9.线性回归-线性回归图的绘制 10.FacetGrid绘图-FacetGrid讲解（1） 11.FacetGrid绘图-FacetGrid讲解（2） 12.FacetGrid绘图-FacetGrid讲解（3） 13.seaborn样式和风格设置 14.调色盘-调色盘的使用和定性调色盘 15.调色盘-连续和离散调色盘 16.作业-seaborn作业
python数据可视化之Seaborn（三）
01-20
python数据可视化之Seaborn（一） 第二节分享了连续、分类、离散数据的绘图颜色的方法，可点击链接查看。 python数据可视化之Seaborn（二） Seaborn可视化内容安排 在Seaborn的学习中安排如下， 一、画风设置：会...
Python Matplotlib 教程：附带源代码直方图正态箱型图折现散点图
04-10
Matplotlib 是 Python 中最流行的数据可视化库之一，它可以用于创建各种类型的图表，包括线图、散点图、柱状图、饼图、等高线图和热力图等。这些图表可以用于数据分析、数据挖掘和机器学习等领域。 这本教程从基础...
seaborn散点图
12-21
使用seaborn报如下错误 AttributeError Traceback (most recent call last) in 2 import matplotlib.pyplot as plt 3 tips = sns.load_dataset("tips") ----> 4 ax = sns.scatterplot(x="total_bill", y="tip...
python可视化之——seaborn简单图绘制指南
snow_maple521的博客
12-01 1349
该文主要介绍python下的seaborn绘图库，包含了大部分seaborn中的图形绘制。
jupyter notebook画柱状图
06-28
### 回答1： 要在Jupyter Notebook中绘制柱状图，您可以使用Python的Matplotlib库。以下是一个简单的示例代码： ```python import matplotlib.pyplot as plt # 柱状图数据 x = ['A', 'B', 'C', 'D'] y = [10, 20, 30, 40] # 绘制柱状图 plt.bar(x, y) # 添加标题和标签 plt.title('柱状图') plt.xlabel('X轴标签') plt.ylabel('Y轴标签') # 显示图形 plt.show() ``` 在这个例子中，我们使用`plt.bar()`函数绘制柱状图，然后使用`plt.title()`、`plt.xlabel()`和`plt.ylabel()`函数添加标题和标签。最后，我们使用`plt.show()`函数显示图形。 ### 回答2： Jupyter Notebook是一个极为流行及强大的交互式编程环境，通过不同的内核可以方便地使用多种编程语言进行交互式编程。 在Jupyter Notebook中绘制柱状图非常简单，以下是一些基本步骤： 一、安装所需的Python依赖项，如`matplotlib`和`numpy`。在Jupyter Notebook中，可以使用pip来安装它们。例如，在命令行中运行如下命令： ```python !pip3 install matplotlib numpy ``` 二、导入需要的库，例如： ```python import matplotlib.pyplot as plt import numpy as np ``` 三、创建数据 可以使用列表或NumPy数组等来存储柱状图所需的数据。例如，以下是一个简单的列表： ```python data = [1, 3, 2, 4, 5] ``` 四、绘制柱状图 可以使用`bar`函数来绘制柱状图。如下所示： ```python plt.bar(range(len(data)), data) plt.show() ``` 其中`range(len(data))`用于生成x轴上的刻度标签，`data`是柱子的高度。执行这段代码会得到如下的柱状图： ![柱状图](https://raw.githubusercontent.com/leungyukshing/nlp/main/develop/Python/image/bar.png) 五、自定义柱状图 除了最基本的柱状图外，您还可以进行自定义来使图表更具吸引力。例如，以下代码将设置图表的标题和标签，并使用不同的颜色： ```python x_labels = ['A', 'B', 'C', 'D', 'E'] plt.bar(range(len(data)), data, tick_label=x_labels, color=['red', 'green', 'blue', 'yellow', 'purple']) plt.xlabel('Category') plt.ylabel('Values') plt.title('My Bar Chart') plt.show() ``` 以上代码将生成以下柱状图： ![彩色柱状图](https://raw.githubusercontent.com/leungyukshing/nlp/main/develop/Python/image/color_bar.png) 六、绘制多系列柱状图 还可以绘制多组并排柱状图和多组堆积柱状图。以绘制并排柱状图为例，我们可以轻松地使用以下代码： ```python data1 = [1, 3, 2, 4, 5] data2 = [2, 4, 1, 3, 6] x_labels = ['A', 'B', 'C', 'D', 'E'] bar_width = 0.35 plt.bar(np.arange(len(data1)), data1, bar_width, label='Data1') plt.bar(np.arange(len(data2)) + bar_width, data2, bar_width, label='Data2') plt.xticks(np.arange(len(x_labels)) + bar_width / 2, x_labels) plt.legend() plt.show() ``` 以上代码将生成以下并排柱状图： ![并排柱状图](https://raw.githubusercontent.com/leungyukshing/nlp/main/develop/Python/image/group_bar.png) 绘制堆积柱状图基本类似，并仅需略微修改柱子的高度即可。 七、限制y轴范围 有时候我们的柱状图可能会出现数据波动相对较小的情况，这时候可以通过设置y轴限制来放大展现数据的差异，例如我们有如下数据： ```python data = [1, 1.5, 2.2, 1.8, 1.5, 1.3] ``` 将整体图像放大到y轴范围在1~2.5之间，代码如下： ```python plt.ylim(1, 2.5) ``` 完整代码： ```python import matplotlib.pyplot as plt import numpy as np data = [1, 1.5, 2.2, 1.8, 1.5, 1.3] plt.ylim(1, 2.5) plt.bar(range(len(data)), data) plt.show() ``` 效果如下： ![限制柱状图y轴范围](https://raw.githubusercontent.com/leungyukshing/nlp/main/develop/Python/image/y_limit_bar.png) 以上就是使用Jupyter Notebook绘制柱状图的基础知识和基本操作，您可以通过调整以上的代码来自定义您的柱状图以展现您需要的信息。 ### 回答3： Jupyter Notebook是一种基于Web的交互式计算环境，支持多种编程语言（如Python、R等）。针对Python语言，Jupyter Notebook具有强大的交互性和可视化功能，可以方便地展示数据分析或机器学习的结果。在这里，我们将介绍如何使用Jupyter Notebook画柱状图。 首先，我们需要导入相关的库。在Python中，matplotlib是最常用的可视化库之一。我们可以使用以下代码导入matplotlib库： ``` import matplotlib.pyplot as plt %matplotlib inline ``` 其中， `%matplotlib inline`指令可以在Notebook中直接绘制图形。 假设我们有一组数据如下： ``` data = {'apple': 30, 'banana': 20, 'orange': 25, 'pear': 15} ``` 我们可以使用matplotlib库中的`bar`函数来画柱状图。具体步骤如下： 1. 提取x轴上的类别和y轴上的数据。 ``` x = data.keys() y = data.values() ``` 2. 使用`bar`函数绘制柱状图。 ``` plt.bar(x, y) ``` 3. 添加其他样式 ``` plt.title("Fruit Distribution") plt.xlabel("Fruit") plt.ylabel("Amount") ``` 4. 显示图形。 ``` plt.show() ``` 完整代码如下： ``` import matplotlib.pyplot as plt %matplotlib inline data = {'apple': 30, 'banana': 20, 'orange': 25, 'pear': 15} x = data.keys() y = data.values() plt.bar(x, y) plt.title("Fruit Distribution") plt.xlabel("Fruit") plt.ylabel("Amount") plt.show() ``` 运行上述代码，便可以在Notebook中看到如下的柱状图。 ![柱状图](https://i.loli.net/2021/09/13/At6lSe3FZf5qJ9h.png) 除了基本的柱状图外，我们还可以进行其他样式的修改。例如，可以使用不同的颜色来区分不同的类别。此时，可以给`bar`函数添加`color`参数来指定颜色。例如，我们可以将apple和banana柱状图的颜色分别设置为红色和绿色： ``` plt.bar(x, y, color=['red', 'green', 'blue', 'orange']) ``` 如果我们需要画横向柱状图的话，可以使用`barh`函数。例如，我们可以将上述数据改为横向柱状图： ``` plt.barh(x, y, color=['red', 'green', 'blue', 'orange']) plt.title("Fruit Distribution") plt.xlabel("Amount") plt.ylabel("Fruit") plt.show() ``` 此时，我们会得到如下的图形： ![横向柱状图](https://i.loli.net/2021/09/13/Dz8BksRt7Wnvb1e.png) 总之，Jupyter Notebook提供了非常方便的可视化功能，可以快捷地展示数据分析或者机器学习的结果。利用matplotlib库,我们可以轻松地画出各种类型的柱状图。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值