![](https://img-blog.csdnimg.cn/2019091813595558.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
优雅的画图
文章平均质量分 92
plotly等优美画图工具
一只红花猪
1. 多年面试官经验、欢迎咨询各类简历修改、面试经验、求职准备;
2. 混迹多个大厂搜索、推荐、广告、内容、数据挖掘、数据分析等多个岗位工作,目前大模型算法驯化师;
展开
-
【Python画图-seaborn驯化】一文学会seaborn画因子变量图catplot函数使用技巧
catplot 是 Seaborn 库中的一个高级接口,用于创建涉及分类变量(categorical variables)的多种图表。它基于 FacetGrid 类,可以自动处理多个图表的布局,非常适合于展示分类变量之间的比较和分布。catplot 本身不涉及复杂的数学公式推导,它主要是数据可视化的实现。频率或概率:用于计算每个分类的唯一值或出现的次数。均值、中位数:用于展示分类变量的中心趋势。箱型图参数:如四分位数和四分位距,用于展示数据的分散程度。原创 2024-07-08 10:25:57 · 743 阅读 · 0 评论 -
【Python画图-seaborn驯化】一文学会seaborn画散点图scatterplot、swarmplot技巧
散点图是一种用于展示两个变量之间关系的图表。在Seaborn库中,散点图可以通过scatterplot函数方便地绘制,它非常适合用于探索数据集中变量间的相关性、趋势或模式。 散点图本身不涉及复杂的数学公式,它简单地将数据点在二维平面上进行投影。每个数据点的位置由两个变量的值决定:(xi,yi)(x_i,y_i)(xi,yi), 其中xix_ixi和yiy_iyi分别代表第 i 个数据点在x轴和y轴上的值。 我们通过seaborn自带的数据对其进行相关的画图,具体的导入数据代码如下所示:3原创 2024-07-05 10:25:01 · 935 阅读 · 0 评论 -
【Python画图-驯化seaborn】一文搞懂seaborn中的小提琴图实践、技巧、原理
小提琴图(Violin Plot)是一种用于展示数据分布的图表,它结合了箱线图的特点和密度图的连续性。这种图表可以展示数据的密度估计,从而提供关于数据分布形状和集中趋势的直观信息。小提琴图其实是箱线图与核密度图的结合,箱线图展示了分位数的位置,小提琴图则展示了任意位置的密度,通过小提琴图可以知道哪些位置的密度较高。在图中,白点是中位数,黑色盒型的范围是下四分位点到上四分位点,细黑线表示须。外部形状即为核密度估计(在概率论中用来估计未知的密度函数,属于非参数检验方法之一)。原创 2024-07-04 12:15:02 · 1094 阅读 · 0 评论 -
【Python画图-驯化seaborn】一文搞懂seaborn中的箱线图实践技巧
箱线图(Boxplot)是一种用于展示数据分布的统计图表,它能够提供数据的最小值、第一四分位数(Q1)、中位数(Q2)、第三四分位数(Q3)和最大值的摘要信息,并且可以直观地识别出数据中的异常值。最小值(Minimum):数据集中的最小非异常值。第一四分位数(Q1):数据集中25%位置的值,表示有25%的数据点小于或等于这个值。中位数(Q2,Median):数据集中50%位置的值,将数据集分为两个相等的部分。第三四分位数(Q3):数据集中75%位置的值,表示有75%的数据点小于或等于这个值。原创 2024-07-03 12:28:43 · 759 阅读 · 1 评论 -
【Python画图-驯化】成功解决mac中Python画图中文显示问题
解决mac中通过python画图显示中文乱码问题原创 2024-07-02 14:38:55 · 760 阅读 · 0 评论 -
【Python画图-驯化02】Python中常用画图的工具以及基本流程使用seaborn、matplotlib
Python提供了多种绘图和可视化工具,它们可以帮助我们理解、展示和分析数据。从简单的图表到复杂的交互式可视化,Python绘图库如Matplotlib、Seaborn、Plotly和Bokeh等,都是数据科学家和分析师的重要工具。Python绘图工具为数据分析和可视化提供了强大的支持。从基础的Matplotlib到高级的Seaborn,不同的库适合不同的需求和场景。通过本博客的代码示例,我们学习了如何使用这些工具来创建基本的图表和更高级的可视化。希望这篇博客能够帮助你更好地利用Python进行数据可视化。原创 2024-07-02 09:54:01 · 607 阅读 · 0 评论 -
【Python画图-驯化01】一文叫你搭建python画图最优环境配置
一文告诉你如果搭建python最优的画图搭建介绍原创 2024-07-01 13:52:37 · 647 阅读 · 0 评论 -
【Python画图-Matplotlib-01】一文搞懂Matplotlib旋转x轴
在数据分析可视化使用Matplotlib画图时,经常会对数据进行x轴的翻转,默认情况下Matplotlib画图的x轴是0度的,当x轴的值过长时,展示出现的结果会比较难看,本文分享如果对x轴进行翻转。本文介绍了如何使用 Pandas 对数据进行区间划分,并使用 Matplotlib 进行可视化展示。通过 get_cut_cnt 函数,我们可以快速得到数据在不同区间的分布情况,并以条形图的形式直观展示。这种方法在探索数据分布特征时非常有用,可以帮助我们快速识别数据的集中趋势和异常区间。原创 2024-06-17 21:10:41 · 851 阅读 · 0 评论