使用Python Seaborn进行数据可视化

最新推荐文章于 2024-02-03 11:56:07 发布
最新推荐文章于 2024-02-03 11:56:07 发布
阅读量258 收藏
点赞数
分类专栏： 可视化 python 数据科学 文章标签： python 数据可视化
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42034590/article/details/131260535
版权
python 同时被 3 个专栏收录
154 篇文章 14 订阅
订阅专栏
数据科学
35 篇文章 2 订阅
订阅专栏
可视化
17 篇文章 0 订阅
订阅专栏

数据可视化是以图形格式呈现数据。这对于数据分析来说非常重要，主要是因为以数据为中心的Python包的奇妙生态系统。它有助于理解数据，但是，复杂的是，通过总结和以简单易懂的格式呈现大量数据来了解数据的重要性，并有助于清晰有效地传达信息。

在这里插入图片描述
Pandas和Seaborn就是其中之一，它使导入和分析数据变得更加容易。在本文中，我们将使用Pandas和Seaborn来分析数据。

Pandas

Pandas提供了清理和处理数据的工具。它是最流行的用于数据分析的Python库。在pandas中，数据表被称为数据框。

示例

import pandas as pd
  
# initialise data of lists.
data = {'Name':[ 'Mohe' , 'Karnal' , 'Yrik' , 'jack' ],
        'Age':[ 30 , 21 , 29 , 28 ]}
  
# Create DataFrame
df = pd.DataFrame( data )
  
# Print the output.
df

在这里插入图片描述

Seaborn

Seaborn是一个惊人的可视化库，用于在Python中绘制统计图形。它构建在matplotlib库之上，并与pandas的数据结构紧密集成。

import numpy as np
import seaborn as sns
   
   
# Selecting style as white,
# dark, whitegrid, darkgrid 
# or ticks
sns.set( style = "white" )
   
# Generate a random univariate 
# dataset
rs = np.random.RandomState( 10 )
d = rs.normal( size = 50 )
   
# Plot a simple histogram and kde 
# with binsize determined automatically
sns.distplot(d, kde = True, color = "g")

在这里插入图片描述

Seaborn：统计数据可视化

Seaborn有助于可视化统计关系，为了了解数据集中的变量如何相互关联以及这种关系如何依赖于其他变量，我们执行统计分析。此统计分析有助于可视化趋势并识别数据集中的各种模式。

以下图形将有助于可视化：

  • 线形图
  • 散点图
  • 箱形图
  • 散点图
  • 计数图
  • 小提琴图
  • 群图
  • 条形图
  • KDE绘图
线形图

语法：sns.lineplot（x=None，y=None）
参数：
x、y：输入数据变量;必须是数字。可以直接传递数据或引用数据中的列。

示例1

# import module
import seaborn as sns
import pandas
 
# loading csv
data = pandas.read_csv("nba.csv")
 
# plotting lineplot
sns.lineplot( data['Age'], data['Weight'])

在这里插入图片描述
示例2


# import module
import seaborn as sns
import pandas
 
# read the csv data
data = pandas.read_csv("nba.csv")
 
# plot
sns.lineplot(data['Age'],data['Weight'], hue =data["Position"])

在这里插入图片描述

散点图

语法：seaborn.scatterplot（x=None，y=None）
参数：
x，y：输入数据变量，应为数值。
返回：此方法返回绘制了绘图的Axes对象。

示例1


# import module
import seaborn
import pandas
 
# load csv
data = pandas.read_csv("nba.csv")
 
# plotting
seaborn.scatterplot(data['Age'],data['Weight'])

在这里插入图片描述
示例2

import seaborn
import pandas
data = pandas.read_csv("nba.csv")
 
seaborn.scatterplot( data['Age'], data['Weight'], hue =data["Position"])

在这里插入图片描述

箱形图

语法：
seaborn.boxplot(x=None, y=None, hue=None, data=None)
参数：
x，y，hue：用于绘制长格式数据的输入。
data：用于绘图的数据集。如果x和y不存在，则这被解释为宽形式。
返回：它返回绘制了绘图的Axes对象。

示例1


# import module
import seaborn as sns
import pandas
 
# read csv and plotting
data = pandas.read_csv( "nba.csv" )
sns.boxplot( data['Age'] )

在这里插入图片描述
示例2


# import module
import seaborn as sns
import pandas
 
# read csv and plotting
data = pandas.read_csv( "nba.csv" )
sns.boxplot( data['Age'], data['Weight'])

在这里插入图片描述

小提琴图

语法：seaborn.violinplot（x=None，y=None，hue=None，data=None）
参数：
x，y，hue：用于绘制长格式数据的输入。
data：用于绘图的数据集。

示例1


# import module
import seaborn as sns
import pandas
 
# read csv and plot
data = pandas.read_csv("nba.csv")
sns.violinplot(data['Age'])

在这里插入图片描述
示例2


# import module
import seaborn
 
seaborn.set(style = 'whitegrid')
 
# read csv and plot
data = pandas.read_csv("nba.csv")
seaborn.violinplot(x ="Age", y ="Weight",data = data)

在这里插入图片描述

蜂群图

语法：seaborn.swarmplot（x=None，y=None，hue=None，data=None）
参数：
x，y，hue：用于绘制长格式数据的输入。
data：用于绘图的数据集。

示例1


# import module
import seaborn
 
seaborn.set(style = 'whitegrid')
 
# read csv and plot
data = pandas.read_csv( "nba.csv" )
seaborn.swarmplot(x = data["Age"])

在这里插入图片描述
示例2


# import module
import seaborn
 
seaborn.set(style = 'whitegrid')
 
# read csv and plot
data = pandas.read_csv("nba.csv")
seaborn.swarmplot(x ="Age", y ="Weight",data = data)

在这里插入图片描述

条形图

语法：seaborn.barplot（x=None，y=None，hue=None，data=None）
参数：
x，y：该参数采用数据或矢量数据中的变量名称，用于绘制长格式数据的输入。
hue：（可选）该参数采用列名进行颜色编码。
data：（可选）该参数采用DataFrame、数组或数组列表、数据集进行绘图。如果x和y不存在，则这被解释为宽形式。否则，它将是长格式的。
返回：返回轴对象及其上绘制的图。

示例1

# import module
import seaborn
 
seaborn.set(style = 'whitegrid')
 
# read csv and plot
data = pandas.read_csv("nba.csv")
seaborn.barplot(x =data["Age"])

在这里插入图片描述
示例2


# import module
import seaborn
 
seaborn.set(style = 'whitegrid')
 
# read csv and plot
data = pandas.read_csv("nba.csv")
seaborn.barplot(x ="Age", y ="Weight", data = data)

在这里插入图片描述

点图

语法：seaborn.pointplot（x=None，y=None，hue=None，data=None）
参数：
x，y：用于绘制长格式数据的输入。
hue：（可选）颜色编码的列名。
data：dataframe作为用于绘图的数据集。
返回：绘制了图的轴对象。

# import module
import seaborn
 
seaborn.set(style = 'whitegrid')
 
# read csv and plot
data = pandas.read_csv("nba.csv")
seaborn.pointplot(x = "Age", y = "Weight", data = data)

在这里插入图片描述

计数图

语法：seaborn.countplot（x=None，y=None，hue=None，data=None）
参数：
x，y：这个参数取数据或向量数据中变量的名称，可选，用于绘制长格式数据的输入。
hue：（可选）此参数采用列名称进行颜色编码。
data：（可选）该参数采用DataFrame、数组或数组列表、数据集进行绘图。如果x和y不存在，则这被解释为宽形式。否则，它将是长格式的。
返回：返回轴对象及其上绘制的图。

# import module
import seaborn
 
seaborn.set(style = 'whitegrid')
 
# read csv and plot
data = pandas.read_csv("nba.csv")
seaborn.countplot(data["Age"])

在这里插入图片描述

KDE图

语法：seaborn. kdeplot（x=None，*，y=None，vertical=False，palette=None，**kwargs）
参数：
x，y：数据中的向量或键
vertical：boolean（True或False）
data：pandas.DataFrame、numpy.ndarray、mapping或sequence

示例1


# importing the required libraries
from sklearn import datasets
import pandas as pd
import seaborn as sns
   
# Setting up the Data Frame
iris = datasets.load_iris()
   
iris_df = pd.DataFrame(iris.data, columns=['Sepal_Length',
                      'Sepal_Width', 'Patal_Length', 'Petal_Width'])
   
iris_df['Target'] = iris.target
   
iris_df['Target'].replace([0], 'Iris_Setosa', inplace=True)
iris_df['Target'].replace([1], 'Iris_Vercicolor', inplace=True)
iris_df['Target'].replace([2], 'Iris_Virginica', inplace=True)
   
# Plotting the KDE Plot
sns.kdeplot(iris_df.loc[(iris_df['Target'] =='Iris_Virginica'),
            'Sepal_Length'], color = 'b', shade = True, Label ='Iris_Virginica')

在这里插入图片描述
示例2


# import module
import seaborn as sns
import pandas
 
# read top 5 column
data = pandas.read_csv("nba.csv").head()
 
sns.kdeplot( data['Age'], data['Number'])

在这里插入图片描述

使用seaborn和pandas绘制双变量和单变量数据

在开始之前，让我们简单介绍一下双变量和单变量数据：
双变量数据：这种类型的数据涉及两个不同的变量。对这类数据的分析涉及原因和关系，并进行分析以找出两个变量之间的关系。
单变量数据：这种类型的数据只包含一个变量。因此，单变量数据的分析是最简单的分析形式，因为信息只涉及一个变化的量。它不处理原因或关系，分析的主要目的是描述数据并找到其中存在的模式。

让我们看一个二元数据的例子：

# import module
import seaborn as sns
import pandas
 
# read csv and plotting
data = pandas.read_csv( "nba.csv" )
sns.boxplot( data['Age'], data['Height'])

在这里插入图片描述

# import module
import seaborn as sns
import pandas
 
# read top 5 column
data = pandas.read_csv("nba.csv").head()
 
sns.kdeplot( data['Age'], data['Weight'])

在这里插入图片描述
让我们看一个单变量数据分布的例子：


# import module
import seaborn as sns
import pandas
 
# read top 5 column
data = pandas.read_csv("nba.csv").head()
 
sns.distplot( data['Age'])

在这里插入图片描述

python收藏家
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python seaborn 数据分析可视化
11-10
python seaborn 数据分析可视化
机器学习python库--seaborn
weixin_41395763的博客
02-15 1万+
seaborn简介 seaborn是基于matplotlib的数据可视化库。它在matplotlib的基础上，进行了更高级的封装，从而使得绘图更加容易，不需要经过大量的调整，就能使图像变得精致。 seaborn的几个鲜明特点如下： >绘图接口更加集成，可以通过少量的参数设置实现大量封装绘图。 >多数图表具有统计学含义，例如分布、关系、统计、回归等 >对pandas和numpy数据类型支持非常友好 >导入seaborn seaborn的依赖库为numpy、pandas、m
python数据分析及可视化（十二）Seaborn可视化（绘图风格、颜色风格、线性关系可视化、分类数据可视化、数据集分布可视化、关系矩阵图）
hwwaizs的博客
10-31 3660
Seaborn可视化包含绘图风格、颜色风格、线性关系可视化、分类数据可视化、数据集分布可视化、关系矩阵图的学习
Python—数据可视化Seaborn大全：参数详解与实战案例全解析
最新发布
一键难忘的博客
02-03 5250
Seaborn 是一个基于 Matplotlib 的数据可视化库，它提供了一些高层次的接口，使得绘图变得更加简单和美观。本文将深入探讨 Seaborn 库的常用绘图功能，包括详细的参数说明和实战案例，帮助读者更好地理解和运用 Seaborn 进行数据可视化。
PYTHON数据可视化（四）seaborn
wuwan5296的博客
12-03 1万+
seaborn 线性回归可视化
python数据可视化seaborn（一）—— 整体样式与调色板
GengPeng的博客
12-19 1万+
很久之前对seaborn有过一些涉及但是没有深入探究，这次有趁着有数据可视化的需求，就好好学一学 Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图，为数据分析提供了很大的便利性。但是应该把Seaborn视为matplotlib的补充，而不是替代物。 这次就从最基本的图标风格和调色板开始，学习s...
seaborn常用图
stay_zezo的博客
12-21 1173
首先导包，下面会使用sklearn自带的数据集来演示画图操作 from sklearn.model_selection import train_test_split import matplotlib.pyplot as plt import pandas as pd X，Y分别表示鸢尾花的特征和标签，下面的画图会使用到X,Y。 下面的画图有的是Dataframe列名，有的是numpy数据 1、lineplot（线图） 注意:这里我直接用numpy类型，并未转成DataFrame类型
Python中15种Seaborn可视化图表详解
白帽阿叁的博客
10-17 1041
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。cat图(分类图的缩写)是Seaborn中的定制的一种图，它可以可视化数据集中一个或多个分类变量与连续变量之间的关系。Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。“小提琴”形状表示数据的核密度估计，每个点的形状宽度表示该点的数据密度。
python数据分析与可视化——利用Seaborn进行绘图
sjjsaaaa的博客
12-27 4748
利用Seaborn进行绘图 下面例子中所用数据下载地址——>iris.csv Matplotlib绘图基本模仿MATLAB绘图库，其绘图风格和MATLAB类似。由于MATLAB绘图风格偏古典，因此，Python开源社区开发了Seaborn绘图模块，对Matplotlib进行封装，绘图效果更符合现代人的审美。 Seaborn属于Matplotlib的一个高级接口，使得作图更加容易。在多数情况下使用Seaborn能做出很具吸引力的图，而使用Matplotlib可以制作具有更多特色的图。应该把Seaborn
Python可视化在量化交易中的应用(11)_Seaborn折线图
清弦墨客的博客
08-19 774
举个栗子，用seaborn绘制折线图。
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...
python seaborn heatmap可视化相关性矩阵实例
09-16
主要介绍了python seaborn heatmap可视化相关性矩阵实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
轻松用 Seaborn 进行数据可视化1
08-04
轻松用 Seaborn 进行数据可视化1
python库streamlit学习笔记
热门推荐
python收藏家的博客
02-24 1万+
Streamlit学习笔记
Python | 将字符串转换为列表的7种方法
python收藏家的博客
09-15 1万+
在本文中，我们将尝试将给定的字符串转换为列表，其中根据用户的选择，遇到空格或任何其他特殊字符。为此，我们在string中使用split()方法。例如：输入： “Geeks for Geeks”输出： [‘Geeks’, ‘for’, ‘Geeks’]
python-数据分析--案例分析：美国各州人口数据分析
python收藏家的博客
06-21 4594
目标：找到美国人口密度最大的5个州import numpy as np import pandas as pd from pandas import Series, DataFrame#首先导入文件，并查看数据样本 s_abb = pd.read_csv('data/state-abbrevs.csv') s_abb.head()s_pop = pd.read_csv('data/state-po...
python随机生成8位密码
python收藏家的博客
02-12 4086
随机生成密码demo
使用Pandas处理Excel文件
python收藏家的博客
08-19 3472
Excel工作表是非常本能和用户友好的，这使得它们非常适合操作大型数据集，即使是技术人员也不例外。如果您正在寻找学习使用Python在Excel文件中操作和自动化内容的地方，请不要再找了。你来对地方了。在本文中，您将学习如何使用Pandas来处理Excel电子表格。
python seaborn_python绘图之美：seaborn统计数据可视化
06-02
Seaborn是一个基于matplotlib的Python数据可视化库，它提供了一些高级接口用于绘制美观和信息丰富的统计图表。Seaborn的设计原则就是让基本图表更加美观，同时也增加了一些常用的统计图表类型。 Seaborn提供了很多种类型的图表，包括但不限于： - 直方图 - 密度图 - 散点图 - 折线图 - 箱线图 - 热力图 - 联合图 - 分面网格图 使用Seaborn绘制图表非常简单，只需要导入库并调用相关函数即可。例如，使用Seaborn绘制一个直方图可以使用以下代码： ```python import seaborn as sns import matplotlib.pyplot as plt sns.set(style="darkgrid") # Load an example dataset tips = sns.load_dataset("tips") # Draw a histogram sns.histplot(data=tips, x="total_bill") plt.show() ``` 这段代码会加载一个名为"tips"的示例数据集，并绘制出该数据集中"total_bill"这一列的直方图。通过设置Seaborn的样式，我们可以让图表看起来更加美观和专业。 总之，Seaborn是一个非常强大和易用的Python数据可视化库，它可以帮助我们更好地理解和分析数据。

“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