本篇博文介绍Seaborn库的各类绘制图表。
绘制图表分类:
- 分类图:柱状图barplot、箱线图boxplot、小提琴图violinplot、散点图(stripplot、swarmplot)、分面网格分类图catplot
- 关联图:散点图scatterplot、线图lineplot、分面网格(FaceGrid)关联图relplot
分布图:单变量分布图distplot、密度图kdeplot - 矩阵图:热力图heatplot、聚类图clustermap
- 回归图:线性回归图regplot、分面网格线性回归图lmplot
- 分面网格图:FaceGrid
一、分类图
1.柱状图——barplot
barplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, estimator=<function mean at 0x000001F8666848C8>, ci=95, n_boot=1000, units=None, orient=None, color=None, palette=None, saturation=0.75, errcolor=’.26’, errwidth=None, capsize=None, dodge=True, ax=None, **kwargs)
参数:
x, y, hue : 变量或者数据中的变量名。
data : DataFrame,数组或数组列表。
order, hue_order :为字符串列表,设置分类的种类,不写则默认为从数据对象中推断级别。
orient : “v” | “h”, 表示绘图的方向是垂直还是水平。
color : matplotlib color,指所有元素的颜色
palette :调色板颜色,将用于不同层次的hue变量
saturation : 饱和度
errcolor : 代表置信区间的线的颜色
errwidth :误差线的粗细
例一:
💛增加order
参数:修改x轴变量的排序顺序
💛orient参数:表示绘图的方向是垂直还是水平。横 “v” | 纵 “h”。
例二:
黑色线是误差线。每一个柱子的最大值是一组数据的平均数。
💛增加hue变量:为除了x、y之外的第三个变量。
💛参数errwidth可用于设置误差棒的粗细。
2.箱线图——boxplot
默认为横向放置;若要纵向放置可以使用代码sns.boxplot(y=L)
。
会自动将L中的数据按小到大排序L=[0,1,2,3,4],箱子中的的线代表中位数2。
默认显示图例。
3.小提琴图——violinplot
小提琴图是箱线图和密度图的结合。中间的线与箱线图类似。外边缘线代表密度线。
当有hue参数存在时
增加split参数,当split=True时,表示将hue中的变量情况,表现在同一个图形上。
4.散点图——Stripplot(带状)图和Swarmplot(蜂群状)图
Stripplot(带状)图:
Swarmplot(蜂群状)图:
分类图可以组合使用,将多种图交叠显示
5.分面网格中绘制分类图——catplot(图级函数)
分面网格(FaceGrid)是一个大图,有x轴和y轴,在这个大图中可以绘制多个子图。在分面网格中绘制分类图用图级函数catplot。barplot、boxplot、violinplot等都是轴级函数。
catplot具有如下参数:
kind:绘制子图类型。kind=strip/swarm/bar/box/violin。其中strip是默认值。
row:在x轴上绘制的数据。
col:在y轴上绘制的数据。
col_wrap:在x轴上绘制子图的最大个数。