一、散点图:scatterplot
函数:seaborn.scatterplot
常用参数:
x,y | array,str,series,输入变量。字符串应该是data中对应的变量名,使用series将会在轴上显示名称。 |
data | 接收DataFrame,表示用于绘图的数据集。 |
hue | 接收data中的变量名,传入分类变量,以颜色分类。 |
size | 接收data中的变量名,传入分类变量,以标记大小分类。 |
sizes | 接收list,dict,tuple,确定不同级别的size。可以一一映射,也可以设置最大最小的范围。 |
style | 接收data中的变量名,传入分类变量,以标记形状分类。 |
markers | bool,list,dict,确定不同级别的style。 |
alpha | float,“auto”,点的透明度。默认为“auto” |
legend | “brief”,“full”,False。图形图例绘制形式,默认为“brief” |
palette | 调色板,改变默认绘图颜色。 |
1.两个变量基础作图
import seaborn as sns
from matplotlib import pyplot as plt
tips=sns.load_dataset('tips')
#注意:这里在下载数据集时报错了,原因是请求被服务器拒绝了我们可以去官方数据集网站上https://github.com/mwaskom/seaborn-data把数据集下载到Seaborn-data文件夹中,再执行语句就可以了。
#使图形正常显示中文
plt.rcParams['font.sans-serif']='SimHei'
plt.rcParams['axes.unicode_minus']=False
#观察数据
tips.head()
>
total_bill tip sex smoker day time size
0 16.99 1.01 Female No Sun Dinner 2
1 10.34 1.66 Male No Sun Dinner 3
2 21.01 3.50 Male No Sun Dinner 3
3 23.68 3.31 Male No Sun Dinner 2
4 24.59 3.61 Female No Sun Dinner 4
#画图
ax=sns.scatterplot(x='total_bill',y='tip',data=tips)
ax.set_title('总账单与小费散点图')
2.通过添加第三个变量来分类变量