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）

已于 2022-12-30 15:28:11 修改
阅读量3.4k 收藏 28
点赞数 4
分类专栏： Python数据分析从入门到实践--明日科技 文章标签： 数据分析 python matplotlib
于 2022-12-30 15:24:56 首次发布
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_45116749/article/details/128404372
版权

第五章. 可视化数据分析图

5.7 Seaborn图表

Seaborn是一个基于Matplotlib的高级可视化效果库，偏向于统计图表，主要针对的是数据挖掘和机器学习中的变量特征选取，相比Matplotlib，他的语法相对简单，但是具有一定的局限性，本节主要介绍折线图，直方图，条形图，散点图。

1.Seaborn图表的基本设置

1).背景风格：

设置Seaborn的背景风格，主要使用axes_style函数和set_style函数，Seaborn有5个背景主题，适用与不同的场景和主题：
·darkgrid：灰色网格（默认值，主题中的白线能避免影响数据的表现）
·whitegrid：白色网格（更适合表达“重数据元素”）
·dark：灰色背景
·white：白色背景
·ticks：四周带刻度的白色背景

2).边框控制（despine函数）：

·移除顶部和右边边框

seaborn.deapline()

·使用两个坐标轴离开一段距离

seaborn.deapline(offset=5，trim=True)

·移除左边边框，与set_style方法的白色网格搭配只用效果更佳

seaborn.set_style('whitegrid')
seaborn.deapline(left=True)

·移除指定边框，设置为True即可

seaborn.deapline(fig=None,ax=None,top=True,right=True,left=True,bottom=False,offset=None,trim=False)

2.折线图 （seaborn.relplot 和 seaborn.lineplot）

在Seaborn中实现折线图的两种方法：一是在relplot函数中通过设置kind参数为line，二是使用lineplot函数直接绘制折线图

1).语法：

seaborn.relplot(x=None, y=None, hue=None, size=None, style=None,data=None, row=None,col=None, col_wrap=None,row_order=None,col_order=None, palette=None,hue_order=None, hue_norm=None, sizes=None,size_order=None, size_norm=None, markers=None,dashes=None, style_order=None, legend='auto', kind='scatter', height=5, aspect=1,facet_kws=None, units=None, **kwargs)

参数说明:
x, y：x,y轴上的数据
hue： 将生成具有不同颜色的元素的分组变量。可以是按类别的（categorical），也可以是数字的，不过在后一种情况下，颜色映射的行为会有所不同。
data： 输入数据结构。要么是可以分配给命名变量的向量的长形式集合，要么是将进行内部整形的宽形式数据集
kind：需要绘制的图

2).示例：

Excel中的数据：
在这里插入图片描述
代码：

import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

pd.set_option('display.unicode.east_asian_width', True)
df = pd.read_excel('F:\\Note\\清单.xlsx', sheet_name='Sheet4')
print(df)

sns.set_style('darkgrid')

plt.rcParams['font.sans-serif'] = ['SimHei']  # 解决中文乱码
plt.rcParams['axes.unicode_minus'] = False  # 解决负号不显示的问题

# 绘制折线图
ax = sns.relplot(x='姓名', y='语文', kind='line', data=df)

# 设置文本标签
ax = ax.axes[0,0]
for x, y in zip(df['姓名'], df['语文']):
    ax.text(x, y, '%.2f' % y, ha='center', va='center', fontsize=8, color='black')

# 设置标题
ax.title.set_text('成绩统计表')

# 显示图像
plt.show()

结果展示:
在这里插入图片描述

3).语法：

seaborn.lineplot(x=None, y=None, hue=None, size=None, style=None,data=None, row=None,col=None, col_wrap=None,row_order=None,col_order=None, palette=None,hue_order=None, hue_norm=None, sizes=None,size_order=None, size_norm=None, markers=None,dashes=None, style_order=None, legend='auto', kind='scatter', height=5, aspect=1,facet_kws=None, units=None, **kwargs

参数说明:
x, y：x,y轴上的数据
hue： 将生成具有不同颜色的元素的分组变量。可以是按类别的（categorical），也可以是数字的，不过在后一种情况下，颜色映射的行为会有所不同。
data： 输入数据结构。要么是可以分配给命名变量的向量的长形式集合，要么是将进行内部整形的宽形式数据集
kind：需要绘制的图

4).示例：

Excel中的数据：
在这里插入图片描述
代码：

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

pd.set_option('display.unicode.east_asian_width', True)
df = pd.read_excel('F:\\Note\\清单.xlsx', sheet_name='Sheet8')
print(df)

sns.set_style('darkgrid')

plt.rcParams['font.sans-serif'] = ['SimHei']  # 解决中文乱码
plt.rcParams['axes.unicode_minus'] = False  # 解决负号不显示的问题

# 设置画布大小
plt.figure(figsize=(8, 6), dpi=100)

# 绘制折线图
ax = sns.lineplot(x='姓名', y='成绩', hue='学科', data=df)

# 设置文本标签
x_label = df['姓名']
x_label = np.arange(len(x_label))
width = 0.25

dis1 = x_label
dis2 = x_label
dis3 = x_label

for x, y in zip(x_label, df['成绩']):
    discuss = int(x / 3)
    if x % 3 == 0:
        ax.text(dis1[discuss], y, '%.1f' % y, ha='center', va='center', fontsize=8, color='black')
    elif x % 3 == 1:
        ax.text(dis2[discuss], y, '%.1f' % y, ha='center', va='center', fontsize=8, color='black')
    else:
        ax.text(dis3[discuss], y, '%.1f' % y, ha='center', va='center', fontsize=8, color='black')

# 设置标题
ax.title.set_text('成绩统计表')

# 设置图例
ax.legend(loc='upper right')

# 显示图像
plt.show()

结果展示:
在这里插入图片描述

3.直方图 （seaborn.distplot）

1).语法：

seaborn.distplot(data=None, bins=None, hist=True, kde=True, rug=False, fit=None,hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None,color=None, vertical=False, norm_hist=False, axlabel=None,label=None, ax=None, x=None)

参数说明:
data：数据
bins：设置矩形图数量
hist：是否显示条形图
kde：是否显示核密度估计图，默认值为True，显示核密度估计图
rug：是否在x轴上显示观测的小细条
fit：拟合的参数分布图形

2).示例：

Excel中的数据:
在这里插入图片描述
代码:

import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

pd.set_option('display.unicode.east_asian_width', True)
df = pd.read_excel('F:\\Note\\清单.xlsx', sheet_name='Sheet4')
print(df)

sns.set_style('darkgrid')

plt.rcParams['font.sans-serif'] = ['SimHei']  # 解决中文乱码
plt.rcParams['axes.unicode_minus'] = False  # 解决负号不显示的问题

data = df[['语文']]
sns.distplot(data, kde=True)

# 显示图像
plt.show()

结果展示:
在这里插入图片描述

4.条形图 （seaborn.barplot）

1).语法：

seaborn.barplot(data=None, *, x=None, y=None, hue=None, order=None, hue_order=None,estimator="mean", errorbar=("ci", 95), n_boot=1000, units=None, seed=None,orient=None, color=None, palette=None, saturation=.75, width=.8, errcolor=".26", errwidth=None, capsize=None, dodge=True, ci="deprecated", ax=None, **kwargs)

参数说明:
x，y：x,y轴数据
hue：分类字段
order，hue_order：变量绘图顺序
orient：条形图是水平显示还是竖直显示
capsize：误差线的宽度
estimator：每类变量的统计方式，默认值：mean

2).示例：

Excel中的数据：
在这里插入图片描述
代码：

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

pd.set_option('display.unicode.east_asian_width', True)
df = pd.read_excel('F:\\Note\\清单.xlsx', sheet_name='Sheet8')
print(df)

sns.set_style('darkgrid')

plt.rcParams['font.sans-serif'] = ['SimHei']  # 解决中文乱码
plt.rcParams['axes.unicode_minus'] = False  # 解决负号不显示的问题

# 设置画布大小
plt.figure(figsize=(8, 6), dpi=100)

# 绘制条形图
ax = sns.barplot(x='姓名', y='成绩', hue='学科', data=df)

# 设置文本标签
x_label = df['姓名']
x_label = np.arange(len(x_label))
width = 0.25

dis1 = x_label - width
dis2 = x_label
dis3 = x_label + width

for x, y in zip(x_label, df['成绩']):
    discuss = int(x / 3)
    if x % 3 == 0:
        ax.text(dis1[discuss], y, '%.1f' % y, ha='center', va='center', fontsize=8, color='black')
    elif x % 3 == 1:
        index = dis2[discuss]
        ax.text(index, y, '%.1f' % y, ha='center', va='center', fontsize=8, color='black')
    else:
        index = dis3[discuss]
        ax.text(index, y, '%.1f' % y, ha='center', va='center', fontsize=8, color='black')

# 设置标题
ax.title.set_text('成绩统计表')

# 设置图例
ax.legend(loc='upper right')

# 显示图像
plt.show()

结果展示:
在这里插入图片描述

5.散点图 （seaborn.relplot）

1).语法：

seaborn.relplot(x=None, y=None, hue=None, size=None, style=None,data=None, row=None,col=None, col_wrap=None,row_order=None,col_order=None, palette=None,hue_order=None, hue_norm=None, sizes=None,size_order=None, size_norm=None, markers=None,dashes=None, style_order=None, legend='auto', kind='scatter', height=5, aspect=1,facet_kws=None, units=None, **kwargs)

参数说明:
x, y：x,y轴上的数据
hue： 将生成具有不同颜色的元素的分组变量。可以是按类别的（categorical），也可以是数字的，不过在后一种情况下，颜色映射的行为会有所不同。
data： 输入数据结构。要么是可以分配给命名变量的向量的长形式集合，要么是将进行内部整形的宽形式数据集
kind：需要绘制的图

2).示例：

Excel中的数据：
在这里插入图片描述
代码：

import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

pd.set_option('display.unicode.east_asian_width', True)
df = pd.read_excel('F:\\Note\\清单.xlsx', sheet_name='Sheet4')
print(df)

sns.set_style('darkgrid')

plt.rcParams['font.sans-serif'] = ['SimHei']  # 解决中文乱码
plt.rcParams['axes.unicode_minus'] = False  # 解决负号不显示的问题

# 绘制折线图
ax = sns.relplot(x='姓名', y='语文', data=df)

# 显示图像
plt.show()

结果展示:
在这里插入图片描述

注意:代码中所涉及到的函数和参数,在图表的常用设置1 和 图表的常用设置2 有所介绍

归途^ω^
关注
  • 4
    点赞
  • 踩
  • 28
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
使用seaborn绘制折线图，并使自动图例为中文
fine_0007的博客
04-10 3127
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 ...
【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画折线图之seaborn
weixin_41869644的博客
07-08 7297
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.pyla.
python seaborn 折线图
small__roc的博客
12-01 1181
【代码】python seaborn 折线图。
seaborn可视化统计关系/散点图/折线图
qq_46621219的博客
08-01 5057
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 1040
举个栗子，用seaborn绘制折线图。
python食物数据爬取及分析（源码、爬取数据、数据可视化图表、报告）
01-08
这些库可以创建各种类型的图表，如柱状图、折线图、散点图等，用于展示食物的热量分布、营养成分比例等。例如，可以制作条形图展示各类食物的平均热量，或者用饼图表示各种营养素在食物中的占比。 在“image”...
【Python数据可视化源码实例Pyecharts库集合】象型柱图画报栏图.zip
07-12
Pyecharts提供了多种图表类型，包括但不限于：条形图、折线图、饼图、散点图、热力图、地图、雷达图、仪表盘等。在这个压缩包中，"象型柱图画报栏图"很可能是Pyecharts中的特殊图表类型，它可能是一种创新的展示方式...
数据可视化-基于Python的二手房数据采集+可视化分析.zip
最新发布
04-03
在二手房数据的分析中，我们可能会使用条形图展示各区域的房价分布，散点图描绘房价与面积的关系，折线图展示时间序列数据的变化趋势，热力图显示不同地段的热门程度等。 在可视化分析过程中，我们还需要关注以下几...
Python数据分析与可视化
05-11
在可视化部分，你会掌握如何使用Matplotlib创建基本的图表，如折线图、散点图、直方图以及饼图。进一步，你可能还会接触到Seaborn库，学习如何制作更复杂的统计图形，如热力图、箱线图和小提琴图，这些都有助于揭示...
直方块直方图和折线直方图
09-13
内含两个程序，一个是将函数cvvHist1D改写成用直方块方式绘制直方图，一个是用折线方式绘制直方图。
豆瓣电影数据分析可视化.docx
06-13
可以使用如Matplotlib、Seaborn或Plotly等Python库来绘制各种类型的图表，例如条形图、折线图、散点图等。例如： - **评分分布**：可以通过直方图展示不同评分区间内电影的数量，了解用户对电影的整体评价情况。 ...
Python 数据科学中的 Seaborn 绘图可视化
Python中文社区
08-30 802
本篇文章主要研究 Seaborn 库——Seaborn 是一个统计绘图库，建立在 Matplotlib 基础之上。它具有非常漂亮的默认绘图样式，并且也与 Pandas DataFrames...
seaborn绘制箱线图和折线图
qq_32649321的博客
07-20 2645
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关联图表之折线图和散点图
庐州月光的博客
09-29 2749
欢迎关注”生信修炼手册”!折线图和散点图是最常用的展示两个变量间关系的图表，在seaborn中，通过以下两个函数来绘制对应的图形1. satterplot,绘制散点图2. linepl...
Python中使用Matplotlib、Seaborn和Plotly进行折线图绘制
qq_63087013的博客
12-29 1793
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
python可视化之——seaborn简单图绘制指南
snow_maple521的博客
12-01 1722
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。
python数据分析 | seaborn绘图学习
Claire_chen_jia的博客
09-25 3971
1 seaborn介绍和安装 （1）介绍：Seaborn 是一个基于 matplotlib 且数据结构与 pandas 统一的统计图制作库。他提前已经定义好了一套自己的风格。然后也封装了一系列的方便的绘图函数，之前通过matplotlib需要很多代码才能完成的绘图，使用seaborn可能就是一行代码的事情。 （2）安装 通过pip ：pip install seaborn 通过anaconda： conda install seaborn （3）内容包括 关系型绘图 分类型绘图 分布型绘图 线性关系绘
seaborn可以画折线和条形的组合图吗
04-01
是的，seaborn可以画折线和条形的组合图。在seaborn中，可以使用catplot函数来绘制这种组合图。catplot函数可以根据kind参数的不同值，绘制不同类型的图形，如折线图、条形图、散点图等。同时，可以使用hue参数来指定数据分组的变量，使得不同分组的数据可以用不同的颜色或图案表示。例如，可以使用以下代码绘制折线和条形的组合图： ``` import seaborn as sns import matplotlib.pyplot as plt # load data tips = sns.load_dataset("tips") # draw catplot sns.catplot(x="day", y="total_bill", hue="sex", kind="bar", data=tips) sns.lineplot(x="day", y="total_bill", hue="sex", data=tips, ax=plt.gca()) # set plot title and axis labels plt.title("Total Bill by Day and Gender") plt.xlabel("Day of Week") plt.ylabel("Total Bill") # show plot plt.show() ``` 该代码将绘制一个折线和条形的组合图，显示每个星期的总账单金额，其中男性和女性的账单用不同的颜色表示。
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