python数据可视化(seaborn)（1）

seaborn

Seaborn提供了5种预定义的主题：
darkgrid：灰色背景+白网格
whitegrid：白色背景+黑网格
dark：灰色背景
white：白色背景
ticks：坐标轴带刻度

scatterplot

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

df = pd.read_csv('./used_car_train_20200313.csv',sep=' ')  #读取一个数据样本
tips = df.iloc[:101,[3,4,5]]    #数据切片，选取需要展示的数据
sns.set(style= "darkgrid")  # 设置背景为灰色网格
cmap = sns.cubehelix_palette(start=1.8,dark=.3, light=.8, as_cmap=True) #调色板
sns.scatterplot(x='brand',y='model',hue='bodyType',data=tips,size='bodyType',palette=cmap) #散点图展示（三个特征）

catplot （分类变量散点图）

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

df = pd.read_csv('./used_car_train_20200313.csv',sep=' ')  #读取一个数据样本
tips = df.loc[:,["bodyType","power"]]  #数据切片
tips.dropna(how='any',inplace=True)    #缺失值删除

sns.set(style='ticks')  # 设置图片格式
sns.catplot(x='bodyType',y='power',data=tips,jitter = False)  # 点的偏移量为0，会重合

# 蜂群图：catplot(kind=“swarm”)
fig, ax1 = plt.subplots( figsize=(15,5))   # 设置图片大小
sns.catplot(x='bodyType',y='power',data=tips.loc[:501],kind="swarm",ax=ax1)
plt.close()   # 关闭默认的画布

fig, ax1 = plt.subplots( figsize=(15,5))
sns.despine()    #去掉上边和右边的边界
sns.catplot(x='bodyType',y='power',data=tips.loc[:501],kind="box",ax=ax1)   # 箱线图 kind = box
plt.close()

条形图与直方图的区别是:

1、条形图是用条形的高度表示频数的大小，而直方图实际上是用长方形的面积表示频数,当长方形的宽相等的时候可以用矩形的的高表示频数;
2、条形图中,横轴上的数据是孤立的,是一个具体的数据，而直方图中，横轴上的数据是连续的，是一个范围；
3、条形图中，各长方形之间有空隙，而直方图中，各长方形是靠在一起的

distplot 直方图

plt.subplots( figsize=(15,5))
sns.distplot(df['price'],hist=50,color='blue',)
sns.despine()

countplot 计数条形图

fig,ax = plt.subplots(2,1,figsize=(15,10))      # 设置两个子图
sns.distplot(df['price'],hist=50,color='blue',ax=ax[0])  
sns.countplot(df['bodyType'],ax=ax[1])
sns.despine()

变量两两相关关系图：pairplot

sns.pairplot(data_dropna)

heatmap 热力图

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

data = sns.load_dataset('flights')
flights = data.pivot('month','year','passengers')  # 将一条一条的数据转换为数据透视表矩阵形式 index='month' columns='year'  value = 'passengers'

sns.set(style='white')
plt.subplots(figsize= (10,10))
sns.heatmap(flights,annot=True,fmt='d',linewidths=0.5,cmap= 'YlOrRd')

1. annot=True, （显示标签）, annot_kws={‘size’:9,‘weight’:‘bold’, ‘color’:‘blue’}) （ 标签的样式）
2. fmt = ‘d’ 标签的数据格式 （1. ‘d’ 整数 ； ‘.2f’ 保留两位小数 ；‘04d’ 数字不足4位用0填充）
3. camp = ’ ’ cmap就是使用matplotlib提供的色带
   
   

sns.set(style='white')
plt.subplots(figsize= (10,10))
plt.title('Flights',fontdict={'fontsize':20})
sns.heatmap(flights,annot=True,fmt='d',linewidths=0.5,cmap= 'YlOrRd',square=True,mask=flights<300)

4. mask = flights < 300 把数值小于300 的块遮挡掉
   

https://www.cnblogs.com/yunxiaofei/p/11116941.html