文章目录
前言
- Python数据分析结课了,即将结束复习考试,往期记录的只是自己的学习部分,沧海一粟而已,不要停止学习
- 想继续学习的小伙伴可以参考《Python数据分析与应用》和系列文章
系列文章
Seaborn绘制统计图形
Seaborn基于Matplotlib核心库进行了更高级的API封装,可以轻松地画出更漂亮的图形,而Seaborn的漂亮主要体现在配色更加舒服,以及图形元素的样式更加细腻。
1.可视化数据的分布 当处理一组数据时,通常先要做的就是了解变量是如何分布的。 •对于单变量的数据来说,采用直方图或核密度曲线是个不错的选择。
•对于双变量来说,可采用多面板图形展现,比如散点图、二维直方图、核密度估计图形等。
Seaborn中提供了一个distplot()函数,它默认绘制的是一个带有核密度估计曲线的直方图。
distplot(a, bins = None,hist = True,kde = True,rug = False, …)
参数 | 作用 |
---|---|
a | 表示要观察的数据 |
bins | 用于控制条形的数量 |
hist | 表示是否绘制(标注)直方图 |
kde | 表示是否绘制高斯核密度估计曲线 |
rug | 表示是否在支持的轴方向上绘制rugplot |
一、直方图
import seaborn as sns
import numpy as np
get_ipython().run_line_magic('matplotlib', 'inline')
sns.set() # 显式调用set()获取默认绘图
np.random<