Python数据可视化seaborn(八) -- 结构化图表可视化

结构化图表可视化 - FacetGrid()

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn  as sns
%matplotlib inline


#设置风格、尺度
sns.set_style("ticks") 
sns.set_context("paper")

#屏蔽警告
import warnings
warnings.filterwarnings('ignore')

1、基本设置

绘制直方图1

# 导入数据
tips = sns.load_dataset('tips')

# 创建一个绘图表格区域，设置好row、col并分组
g = sns.FacetGrid(tips, col='time', row='smoker')

# 以total_bill字段数据分别做直方图统计
g.map(plt.hist, 'total_bill', alpha=0.5, color='b', bins=10)

绘制直方图2

g = sns.FacetGrid(tips, col='day', 
                  size=6,  # 图表大小
                  aspect=0.5  # 图表长宽比
                 )

g.map(plt.hist, 'total_bill', bins=10,
     histtype='step', # bar, barstacked, step, stepfilled
     color='r')

绘制散点图

# 创建一个绘图表格区域，设置好row、col并分组
g = sns.FacetGrid(tips, col='time', row='smoker' )

g.map(plt.scatter, 'total_bill','tip',  # share{x,y} -> 设置x、y数据
      edgecolor='w', s=40, linewidth=1 # 设置点大小，描边宽度及颜色
     )

# 添加图例
g.add_legend()

基本设置 - 分类

# 创建一个绘图表格区域，设置好col并分组，按照hue分类
g = sns.FacetGrid(tips, col='time', hue='smoker')

g.map(plt.scatter,
     'total_bill', 'tip',
     edgecolor='w', s=40, linewidth=1)

g.add_legend()

2、图表矩阵

# 加载数据
attend = sns.load_dataset('attention')

g = sns.FacetGrid(attend, col='subject', col_wrap=5, # 设置每行的图表数量
                  size=2.5
                 )

# 绘制图表矩阵
g.map(plt.plot, 'solutions', 'score',
     marker='o', color='g', linewidth=2)

# 设置x、y轴刻度
g.set(xlim=(0,4),
     ylim=(0,10),
     xticks=[0,1,2,3,4],
     yticks=[0,2,4,6,8,10])