int.a的python学习笔记_人工智能-图表操作303

1、代码

# coding=gbk
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns

#seaborn是在matplotlib基础上封装的

#numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
#在指定的间隔内返回均匀间隔的数字

#用pyplot自己写sin（）函数折线图
def s(flip=1):
    x = np.linspace(0,14,100)      #在0到14这个区间上找出100个点
    for i in range(1,7):            #画六条线
        plt.plot(x,np.sin(x+i*0.5)*(7-i)*flip)  #绘制sin（）的折线函数
    plt.show()
#第一种
s()
#第二种
sns.set()   #用seaborn来设置s（）的样式
s()

#set_style( )是用来设置主题的，Seaborn有五个预设好的主题： darkgrid , whitegrid , dark , white ,和 ticks  默认： darkgrid
#sns.despline()去掉上面和右边的线
sns.set_style('whitegrid')
sns.boxenplot(data=[1,1,2,2,4,4,8,8,8,3.5])
plt.show()

#指定不同分格的子图，用with
with sns.axes_style('darkgrid'):
    plt.subplot(211)
    s()
plt.subplot(212)
s(-1)


'''
总结：

Seaborn库是在Matplotlib库基础上的封装
设置风格
sns.set()：默认风格
sns.set_style(“风格”)：5种风格
with sns.axes_style(“风格”)：with下的语句全部使用这种风格
布局
sns.despline(offset, left)：设置轴线的偏置及显示
sns.set_context(“paper”)：设置图中曲线大小
调色板：sns.color_palette()，共有6个主题
圆形画板：sns.color_palette(“hls”)
设置所有图的颜色sns.palette()
成对：“Paired”
连续型
sns.color_palette(“Blues”)：由浅到深
sns.color_palette(“Blues_r”)：由深到浅
sns.light_palette(“green”)：由浅到深，reverse=True表示由深到浅
sns.dark_palette(“green”)：由深到浅
线型：sns.cubehelix_palette(8, start, rot)
变量分析
单变量：sns.distplot(x, kde, bins, fit)——直方图
x：变量
kdn：估计和密度
bins：将x轴分为几份
fit：分布状态
双变量：
sns.jointplot(x, y, data)——散点图
sns.jointplot(x, y, kind=“hex”, color)——可体现数据密度
多变量
sns.pairplot()：体现两两变量之间的关系
sns.stripplot(x, y, data)：不推荐，数据量大时连成一条线
优化方法：
sns.stripplot(x, y, data, jitter=True)——加小幅度的抖动
sns.swamplot(x, y, data)——树状
sns.violinplot(x, y, hue, data, split)——小提琴图
回归分析：regplot，lmplot
sns.load_dataset(“数据”)——下载数据
sns.regplot(x, y, data, jitter)
分类分析
sns.barplot(x, y, hue, data)：条形图，描绘整体趋势
sns.pointplot(x, y, hue, data)：点图，描绘变化差异
sns.factorplot(x, y, data, kind)：多层面板分类图
Facetgrid——展示子集
使用方法
g=sns.FacetGrid(data, col)
g.map(plt.hist, “变量”)
设置参数
g.set_axis_labels()：轴的名称
g.set(xticks, yticks)：x，y的取值
g.fig.subplots_adjust(wspace, hspace)：间隙
多变量
g.PairGrid()
g.map_diag()
g.map_offdiag()
热度图：sns.heatmap(data, vmin, vmax, center, annt,fmd, linewidth, cmap)
annot：在每一格中显示数字
fmd：显示数字的格式
linewidth：格间距离
cmap：颜色图

'''