python花萼长度表_Python数据可视化-seaborn Iris鸢尾花数据

首先介绍一下Iris鸢尾花数据集，内容摘自百度百科：Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。“Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于(Setosa，Versicolour，Virginica)三个种类中的哪一类”。

导入库

===

读取数据

===

数据字段介绍：

sepal_length:花萼长度，单位cm

sepal_width:花萼宽度，单位cm

petal_length:花瓣长度，单位cm

petal_width:花瓣宽度，单位cm

种类:setosa(山鸢尾)，versicolor(杂色鸢尾)，virginica(弗吉尼亚鸢尾)

在做categorical visualization的时候，seaborn给出了基础的stripplot & swarmplot, boxplot & violinplot, barplot & pointplot,以及抽象化的factorplot.下面就用纸鸢花数据集做一下讲解。

StripplotStripplot的本质就是把数据集中具有quantitative属性的变量按照类别去做散点图(Scatterplot)。

我们将纸鸢花数据集中不同种类花的sepal length做stripplot可视化

plt.show()

​

上边左侧的图片便是在默认风格下用stripplot绘制的散点图。在很多情况下，stripplot中的点会重叠，使得我们不容易看出点的分布情况。一个简单的解决办法就是用在stripplot的基础上绘制抖动图(jitterplot)，仅沿着类别坐标轴的方向去随机微调整点的位置，显示出分布情况。

Swarmplot另一个解决stripplot中点重叠的办法就是绘制swarmplot,它的本质就是用通过算法，在类别坐标轴的方向上去‘延展’绘制这些原本重合的点。 我们将纸鸢花数据集中不同种类花的petal length和petal width做swarmplot可视化。

plt.subplot(1,2,1)

sns.swarmplot(x='Species',y='Petal.Length',data=iris)

plt.show()

​

Boxplot箱形图，主要包含六个数据节点，将一组数据从大到小排列，分别计算出上边缘，上四分位数Q3，中位数，下四分位数Q1，下边缘，还有异常值。 下面将纸鸢花数据集中的四个变量sepal_length, sepal_width, petal_length和petal_width做箱形图可视化。

fig = plt.figure(1,figsize=(12,12))

plt.show()

​

​

Violinplot

Violinplot相当于结合了箱形图与核密度图，更好地展现出数据的量化形态。展示如下：

plt.figure(1,figsize=(12,12))

for i in range(4):

plt.show()

​

​

Violinplot用kernel density estimate去更好地描述了quantitative变量的分布。

​

​

与此同时，也可以组合swarmplot和boxplot或violinplot去描述quantitative变量。用鸢尾花数据集展示如下：

In [8]:

plt.figure(1,figsize=(12,12))

plt.title(str(var[i])+ ' in Iris species')

plt.show()

BarplotBarplot主要是展现在分类中的quantitative变量的平均值情况，并且用了boostrapping算法计算了估计值的置信区间和error bar.用鸢尾花数据集展示如下：

​

​

Countplot如果想知道在每个类别下面有多少个观察值，用countplot就可以，相当于是做一个observation counts，用鸢尾花数据集展示如下：

​

PointplotPointplot相当于是对barplot做了一个横向延伸，一方面，用point estimate和confidence level去展示barplot的内容；另一方面，当每一个主类别下面有更细分的sub-category的时候，pointplot可以便于观察不同sub-category在各主类别之间的联系。展示如下：

​

​

FactorplotFactorplot可以说是seaborn做category visualization的精髓，前面讲的这些plot都可以说是factorplot的具体展示。我们可以用PariGrid去实现对多个类别的数值特征用同一种plot做可视化。

In [12]:

g.map(sns.violinplot,palette='pastel')

plt.show()

​

附上各plot function的API，今后将会对API中的参数结合tutorial讲讲，如何做出更好的可视化效果。更新ing

seaborn.stripplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,

ata=None, order=None, hue_order=None,

bw='scott', cut=2, scale='area', scale_hue=True, gridsize=100, width=0.8, inner='box',

split=False, dodge=True, orient=None, linewidth=None, color=None, palette=None,

saturation=0.75, ax=None, **kwargs)

seaborn.lvplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,

orient=None, color=None, palette=None, saturation=0.75, width=0.8, dodge=True,

小结

seaborn是一个很棒的可视化库，尤其是当数据维度很大的时候，seaborn可以让我们用最少的代码去绘制一些描述性统计的图，便于找寻各维度变量之间的特征。此篇文档也是我对seaborn的学习笔记，这次整理的内容是关于category visualization。下次将会选取其他数据集去整理关于distribution visualization的内容。