Python画折线图之seaborn

最新推荐文章于 2024-08-06 13:33:26 发布
最新推荐文章于 2024-08-06 13:33:26 发布
阅读量7.3k 收藏 33
点赞数 7
分类专栏： python画图 文章标签： python seaborn 折线图
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/weixin_41869644/article/details/107209691
版权 
import matplotlib.pylab as plt
import seaborn as sns
import numpy as np
np.random.seed(0)

my_dpi=96
plt.figure(figsize=(480/my_dpi, 480/my_dpi), dpi=my_dpi)

values=np.cumsum(np.random.randn(1000,1))
plt.plot(values)
plt.show()

import matplotlib.pylab as plt
import seaborn as sns
import numpy as np
import pandas as pd
df=pd.DataFrame({'xvalues': range(1,101), 'yvalues': np.random.randn(100) })
my_dpi=96
plt.figure(figsize=(480/my_dpi, 480/my_dpi), dpi=my_dpi)

plt.plot( 'xvalues', 'yvalues', data=df)
plt.show()

 

import matplotlib.pylab as plt
import seaborn as sns
import numpy as np
import pandas as pd
df = sns.load_dataset('iris')
my_dpi=96
plt.figure(figsize=(480/my_dpi, 480/my_dpi), dpi=my_dpi)

plt.plot( 'sepal_width', 'sepal_length', data=df)
plt.show()

 

import matplotlib.pylab as plt
import seaborn as sns
import numpy as np
import pandas as pd
np.random.seed(0)
df=pd.DataFrame({'x': range(1,11), 'y': np.random.randn(10) })
my_dpi=96
plt.figure(figsize=(480/my_dpi, 480/my_dpi), dpi=my_dpi)

plt.plot( 'x', 'y', data=df, color='skyblue')
plt.show()

 

import matplotlib.pylab as plt
import seaborn as sns
import numpy as np
import pandas as pd
np.random.seed(0)
df=pd.DataFrame({'x': range(1,11), 'y': np.random.randn(10) })
my_dpi=96
plt.figure(figsize=(480/my_dpi, 480/my_dpi), dpi=my_dpi)

plt.plot( 'x', 'y', data=df, color='skyblue',  alpha=0.3)
plt.show()

 

import matplotlib.pylab as plt
import seaborn as sns
import numpy as np
import pandas as pd
np.random.seed(0)
df=pd.DataFrame({'x': range(1,11), 'y': np.random.randn(10) })
my_dpi=96
plt.figure(figsize=(480/my_dpi, 480/my_dpi), dpi=my_dpi)

plt.plot( 'x', 'y', data=df, linestyle='dashed')
plt.show()

 

import matplotlib.pylab as plt
import seaborn as sns
import numpy as np
import pandas as pd
np.random.seed(0)
df=pd.DataFrame({'x': range(1,11), 'y': np.random.randn(10) })
my_dpi=96
plt.figure(figsize=(480/my_dpi, 480/my_dpi), dpi=my_dpi)

plt.plot( [1,1.1,1,1.1,1], linestyle='-' , linewidth=4)
plt.text(1.5, 1.3, "linestyle = '-' ", horizontalalignment='left', size='medium', color='C0', weight='semibold')
plt.plot( [2,2.1,2,2.1,2], linestyle='--' , linewidth=4 )
plt.text(1.5, 2.3, "linestyle = '--' ", horizontalalignment='left', size='medium', color='C1', weight='semibold')
plt.plot( [3,3.1,3,3.1,3], linestyle='-.' , linewidth=4 )
plt.text(1.5, 3.3, "linestyle = '-.' ", horizontalalignment='left', size='medium', color='C2', weight='semibold')
plt.plot( [4,4.1,4,4.1,4], linestyle=':' , linewidth=4 )
plt.text(1.5, 4.3, "linestyle = ':' ", horizontalalignment='left', size='medium', color='C3', weight='semibold')
plt.axis('off')
plt.show()

 

import matplotlib.pylab as plt
import seaborn as sns
import numpy as np
import pandas as pd
np.random.seed(0)
df=pd.DataFrame({'x': range(1,11), 'y': np.random.randn(10) })
my_dpi=96
plt.figure(figsize=(480/my_dpi, 480/my_dpi), dpi=my_dpi)

plt.plot( 'x', 'y', data=df, linewidth=22)
plt.show()

 

import matplotlib.pylab as plt
import seaborn as sns
import numpy as np
import pandas as pd
np.random.seed(0)
df=pd.DataFrame({'x': range(1,11), 'y1': np.random.randn(10), 'y2': np.random.randn(10)+range(1,11), 'y3': np.random.randn(10)+range(11,21) })
my_dpi=96
plt.figure(figsize=(480/my_dpi, 480/my_dpi), dpi=my_dpi)

plt.plot( 'x', 'y1', data=df, marker='o', markerfacecolor='blue', markersize=12, color='skyblue', linewidth=4)
plt.plot( 'x', 'y2', data=df, marker='', color='olive', linewidth=2)
plt.plot( 'x', 'y3', data=df, marker='', color='olive', linewidth=2, linestyle='dashed', label="toto")
plt.legend()
plt.show()

 

import matplotlib.pylab as plt
import seaborn as sns
import numpy as np
import pandas as pd
np.random.seed(0)
df=pd.DataFrame({'x': range(1,11), 'y1': np.random.randn(10), 'y2': np.random.randn(10)+range(1,11), 'y3': np.random.randn(10)+range(11,21), 'y4': np.random.randn(10)+range(6,16), 'y5': np.random.randn(10)+range(4,14)+(0,0,0,0,0,0,0,-3,-8,-6), 'y6': np.random.randn(10)+range(2,12), 'y7': np.random.randn(10)+range(5,15), 'y8': np.random.randn(10)+range(4,14) })
plt.style.use('seaborn-darkgrid')
my_dpi=96
plt.figure(figsize=(480/my_dpi, 480/my_dpi), dpi=my_dpi)

for column in df.drop('x', axis=1):  
    plt.plot(df['x'], df[column], marker='', color='grey', linewidth=1, alpha=0.4)
plt.show()

 

import matplotlib.pylab as plt
import seaborn as sns
import numpy as np
import pandas as pd
np.random.seed(0)
df=pd.DataFrame({'x': range(1,11), 'y1': np.random.randn(10), 'y2': np.random.randn(10)+range(1,11), 'y3': np.random.randn(10)+range(11,21), 'y4': np.random.randn(10)+range(6,16), 'y5': np.random.randn(10)+range(4,14)+(0,0,0,0,0,0,0,-3,-8,-6), 'y6': np.random.randn(10)+range(2,12), 'y7': np.random.randn(10)+range(5,15), 'y8': np.random.randn(10)+range(4,14) })
plt.style.use('seaborn-darkgrid')
my_dpi=96
plt.figure(figsize=(480/my_dpi, 480/my_dpi), dpi=my_dpi)

plt.plot(df['x'], df['y5'], marker='', color='orange', linewidth=4, alpha=0.7)
# 设置x轴长度
plt.xlim(0,12)

num=0
for i in df.values[9][1:]:
    num+=1
    name=list(df)[num]
    if name != 'y5':
        plt.text(10.2, i, name, horizontalalignment='left', size='small', color='grey')

# 添加感兴趣的注释
plt.text(10.2, df.y5.tail(1), 'Mr Orange', horizontalalignment='left', size='small', color='orange')
    
# 添加标题
plt.title("Evolution of Mr Orange vs other students", loc='left', fontsize=12, fontweight=0, color='orange')
plt.xlabel("Time")
plt.ylabel("Score")
plt.show()

 

import matplotlib.pylab as plt
import seaborn as sns
import numpy as np
import pandas as pd
np.random.seed(0)
df=pd.DataFrame({'x': range(1,11), 'y1': np.random.randn(10), 'y2': np.random.randn(10)+range(1,11), 'y3': np.random.randn(10)+range(11,21), 'y4': np.random.randn(10)+range(6,16), 'y5': np.random.randn(10)+range(4,14)+(0,0,0,0,0,0,0,-3,-8,-6), 'y6': np.random.randn(10)+range(2,12), 'y7': np.random.randn(10)+range(5,15), 'y8': np.random.randn(10)+range(4,14), 'y9': np.random.randn(10)+range(4,14), 'y10': np.random.randn(10)+range(2,12) })

plt.style.use('seaborn-darkgrid')
my_dpi=96
plt.figure(figsize=(480/my_dpi, 480/my_dpi), dpi=my_dpi)

palette = plt.get_cmap('Set1')
num=0
for column in df.drop('x', axis=1):  
    num+=1
    plt.plot(df['x'], df[column], marker='', color=palette(num), linewidth=1, alpha=0.9, label=column)

# 添加图例
plt.legend(loc=2, ncol=2)

plt.title("A (bad) Spaghetti plot", loc='left', fontsize=12, fontweight=0, color='orange')
plt.xlabel("Time")
plt.ylabel("Score")
plt.show()

 

import matplotlib.pylab as plt
import seaborn as sns
import numpy as np
import pandas as pd
df=pd.DataFrame({'x': range(1,11), 'y1': np.random.randn(10), 'y2': np.random.randn(10)+range(1,11), 'y3': np.random.randn(10)+range(11,21), 'y4': np.random.randn(10)+range(6,16), 'y5': np.random.randn(10)+range(4,14)+(0,0,0,0,0,0,0,-3,-8,-6), 'y6': np.random.randn(10)+range(2,12), 'y7': np.random.randn(10)+range(5,15), 'y8': np.random.randn(10)+range(4,14), 'y9': np.random.randn(10)+range(4,14) })

plt.style.use('seaborn-darkgrid')
my_dpi=96
plt.figure(figsize=(480/my_dpi, 480/my_dpi), dpi=my_dpi)

palette = plt.get_cmap('Set1')
num=0
for column in df.drop('x', axis=1):  
    num+=1
    
    plt.subplot(3,3, num)
    
    plt.plot(df['x'], df[column], marker='', color=palette(num), linewidth=1.9, alpha=0.9, label=column)

    plt.xlim(0,10)
    plt.ylim(-2,22)
    
    if num in range(7) :
        plt.tick_params(labelbottom='off')   
    if num not in [1,4,7] :
        plt.tick_params(labelleft='off')   
    
    plt.title(column, loc='left', fontsize=12, fontweight=0, color=palette(num) )
             
# 标题
plt.suptitle("How the 9 students improved\nthese past few days?", fontsize=13, fontweight=0, color='black', style='italic', y=1.02)

plt.show()

 

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

df=pd.DataFrame({'x': range(1,11), 'y1': np.random.randn(10), 'y2': np.random.randn(10)+range(1,11), 'y3': np.random.randn(10)+range(11,21), 'y4': np.random.randn(10)+range(6,16), 'y5': np.random.randn(10)+range(4,14)+(0,0,0,0,0,0,0,-3,-8,-6), 'y6': np.random.randn(10)+range(2,12), 'y7': np.random.randn(10)+range(5,15), 'y8': np.random.randn(10)+range(4,14), 'y9': np.random.randn(10)+range(4,14) })

plt.style.use('seaborn-darkgrid')
my_dpi=96
fig=plt.figure(figsize=(700/my_dpi, 700/my_dpi), dpi=my_dpi)

palette = plt.get_cmap('Set1')

num=0
for column in df.drop('x', axis=1):  
    num+=1
    
    plt.subplot(3,3, num)
    
    for v in df.drop('x', axis=1):  
        plt.plot(df['x'], df[v], marker='', color='grey', linewidth=0.6, alpha=0.3)

    plt.plot(df['x'], df[column], marker='', color=palette(num), linewidth=2.4, alpha=0.9, label=column)

    plt.xlim(0,10)
    plt.ylim(-2,22)
    
    if num in range(7) :
        plt.tick_params(labelbottom='off')   
    if num not in [1,4,7] :
        plt.tick_params(labelleft='off')   
    
    plt.title(column, loc='left', fontsize=12, fontweight=0, color=palette(num) )
             
plt.suptitle("How the 9 students improved\nthese past few days?", fontsize=13, fontweight=0, color='black', style='italic', y=1.02)

fig.text(0.5, 0.02, 'Time', ha='center', va='center')
fig.text(0.06, 0.5, 'Note', ha='center', va='center', rotation='vertical')
plt.show()

 

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
import pandas as pd
 
# https://www.kaggle.com/c/bike-sharing-demand/data
df = pd.read_csv('http://python-graph-gallery.com/wp-content/uploads/bike.csv', sep=",", index_col=0, parse_dates=True)

df['weekday'] = df.index.weekday
df['hour'] = df.index.hour
df['year'] = df.index.year
df['date'] = df.index.date

plt.plot(df['date'], df['count'])

fig, ax = plt.subplots(1)
x.plot(df['date'], df['count'])

fig.autofmt_xdate()
plt.show()

 

 

本博主新开公众号， 希望大家能扫码关注一下，十分感谢大家。

 

本文来自：https://github.com/holtzy/The-Python-Graph-Gallery/blob/master/PGG_notebook.py  

随风而逝*
关注
专栏目录
seaborn可视化统计关系/散点图/折线图
qq_46621219的博客
08-01 5454
While you should make use of the flexibility afforded by scatterplot( ) and relplot( ), always try to keep in mind that several simple plots are usually more effective than one complex plot. 当你利用　scatterplot( )和　relplot( )所提供的灵活性的同时，应当尽可能地记住一些简单图形，这往往比只记住.
python根据表格数据生成折线图_Kaggle、Python数据可视化seaborn(二)：折线图
weixin_39803022的博客
11-25 815
现在您已经熟悉了编码环境，接下来学习如何制作自己的图表!在本教程中，您将学习怎样用Python来创建专业的线形图。在接下来的练习中，您将使用您的新技能来处理真实世界的数据集。准备好笔记本我们首先设置编码环境。import pandas as pdimport matplotlib.pyplot as plt%matplotlib inlineimport seaborn as snsprint("...
用Python进行数据可视化——seaborn库详解
最新发布
qq_41698317的博客
08-06 412
【代码】用Python进行数据可视化——seaborn库详解。
python seaborn 折线图
small__roc的博客
12-01 1223
【代码】python seaborn 折线图。
python 折线图_Python画折线图之seaborn
weixin_39588252的博客
11-27 998
import matplotlib.pylab as pltimport seaborn as snsimport numpy as npnp.random.seed(0) my_dpi=96plt.figure(figsize=(480/my_dpi, 480/my_dpi), dpi=my_dpi) values=np.cumsum(np.random.randn(1000,1))p...
Python中使用Matplotlib、Seaborn和Plotly进行折线图绘制
qq_63087013的博客
12-29 1895
在数据可视化领域，折线图是一种常用的工具，能够清晰展示数据趋势和变化。Python中有多个强大的绘图库，其中Matplotlib、Seaborn和Plotly是备受欢迎的三个模块，提供了丰富的功能和灵活性，使用户能够以多种方式创建漂亮的折线图。 这篇文章将深入介绍如何使用Matplotlib、Seaborn和Plotly这三个库来绘制折线图。首先，我们将学习使用Matplotlib创建基本的折线图，包括如何自定义线条样式、添加标签和标题。接着，我们将探讨Seaborn库，它是建立在Matplotlib之上
第五章. 可视化数据分析图表—Seaborn图表（折线图，直方图，条形图，散点图）
weixin_45116749的博客
12-30 3654
第五章. 可视化数据分析图表—Seaborn图表， 本节主要介绍折线图，直方图，条形图，散点图。
python根据时间序列画折线图_Python：matplotlib 和 Seaborn 之折线图 (三十七)
weixin_39904268的博客
11-24 1628
折线图折线图是一种很常见的图形，用于描绘一个数字变量相对于第二个变量的值的变化趋势。在散点图中，所有数据点都会绘制出来，而在折线图中，每个唯一 x 值或 x 值的分箱仅绘制一个点（就像直方图一样）。如果 x 分箱中有多个观测值，那么该点在折线图中绘制的 y 值将为该数据点在分箱中的摘要统计值（例如均值或中值）。绘制的点用线条连接起来，表示 x 值的序列或相连特性。如果 x 变量表示时间，则数据折线...
python画双折线图-python双折线图
weixin_37988176的博客
11-01 6182
广告关闭腾讯云11.11云上盛惠 ，精选热门产品助力上云，云服务器首年88元起，买的越多返的越多，最高返5000元！practice.png双y轴折线图(plot both of those plots in one plot with 2 y-axislabels)一个y轴用来展示每年选秀总人数，另一个y轴用来展示赢球贡献值的...本文内容为重复 learning python:part 2 -...
使用python的seaborn绘制折线图与柱状图的组合图
qq_34673193的博客
07-25 1万+
使用python的seaborn绘制折线图与柱状图的组合图前言代码结果 前言 今天入职，小组长给我们布置了数据可视化的作业，让大家浏览一个可视化系统，然后找到三个结论，其实很简单，但是自己又拓展一点。然后需要画一个折线图与柱状图的组合图，下面是我的代码和结果。 代码 # -*- coding: utf-8 -*- import seaborn as sns import matplotlib....
Python可视化20|Seaborn散点图&&折线图
qq_21478261的博客
08-15 1694
Seaborn relplot函数绘制散点图和折线图
python可视化之——seaborn简单图绘制指南
snow_maple521的博客
12-01 1859
该文主要介绍python下的seaborn绘图库，包含了大部分seaborn中的图形绘制。
使用seaborn绘制折线图，并使自动图例为中文
fine_0007的博客
04-10 3164
通常，我们使用seaborn进行绘图时，需要用到的变量和名称均为英文，然而有部分情况下需要设置图例为中文，而此时可能需要用到中文变量（Python 3支持中文变量，大家可以尝试一下） 以下是seaborn中文图例绘制曲线的代码 import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn ...
Python学习笔记 数据可视化Seaborn系列—1.3 折线图
Kunzhong_的博客
01-15 1905
显示随时间而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。
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 1087
举个栗子，用seaborn绘制折线图。
seaborn绘制箱线图和折线图
qq_32649321的博客
07-20 2708
无
seaborn系列 (3) | 折线图lineplot()
热门推荐
脑机接口社区
09-16 5万+
折线图折线图函数原型参数解读案例教程案例地址 折线图 注意：数据一定是通过DataFrame中传送的 函数原型 seaborn.lineplot(x=None, y=None, hue=None, size=None, style=None, data=None, palette=None, hue_order=None, hu...
Seaborn可视化数据分析图表（折线图、直方图、条形图、散点图、线性回归模型、箱体图（箱形图）、核密度图、提琴图、字符串切分（str.split)）、横向表合并、热力图）
Triumph19的博客
07-12 3296
Seaborn可视化数据分析图表
【seaborn】（二）折线图
醉糊涂仙的博客
05-08 1万+
文章目录一、sns.plot()1.1 加载数据1.2 data1.3 x, y1.4 hue 基于某列的类别将y分成多条线，并分配不同线条颜色1.5 style基于某列的类别将y分成多条线，并分配不同线条颜色1.6 size 基于某列的类别将y分成多条线，并分配不同线条粗细程度1.7 markers 关键点是否做标记1.8 dashes 分组是否破折号显示 一、sns.plot() seabor...
python seaborn 怎么画折线图
05-23
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，可以方便地画出美观的图形。下面是使用Seaborn画折线图的步骤： 1. 导入Seaborn库和数据： ```python import seaborn as sns import pandas as pd data = pd.read_csv('data.csv') ``` 2. 使用Seaborn的`lineplot()`函数画出折线图： ```python sns.lineplot(x='x轴数据', y='y轴数据', data=data) ``` 其中，参数`x`和`y`分别指定x轴和y轴的数据列名，`data`参数指定数据集。 3. 添加标题和标签： ```python import matplotlib.pyplot as plt plt.title('折线图标题') plt.xlabel('x轴标签') plt.ylabel('y轴标签') ``` 完整的代码示例： ```python import seaborn as sns import pandas as pd import matplotlib.pyplot as plt data = pd.read_csv('data.csv') sns.lineplot(x='x轴数据', y='y轴数据', data=data) plt.title('折线图标题') plt.xlabel('x轴标签') plt.ylabel('y轴标签') plt.show() ``` 其中，'data.csv'是包含数据的CSV文件，可以根据实际情况进行修改。
评论 1
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