Python绘图简要---基于Seaborn

简单python数据分析项目实例-入门Python数据分析最好的实战项目(一) 作者:xiaoyu微信公众号:Python数据科学目的:本篇给大家介绍一个数据分析的初级项目,目的是通过项目了解如何使用Python进行简单的数据分析。数据源:博主通过爬虫采集的链家全网北京二手房数据(公众号后台回复?二手房数据?便可获取)。下面是第二篇建模篇,看完这篇可继续研究这篇。数据初探首先导入要使用的科学计算包numpy,pandas,可视化matplotlib,seaborn,以及机器学... 阅读详情

目录

安装

绘图类型函数详解

关系绘图

数据分布型图

分类数据型图

​编辑 回归模型分析型图

关系绘图

基础实现

加入hue参数

添加col和row参数

分类绘图

swarmplot

小提琴图 

分布绘图

单变量分布

多变量分布

FacetGrid绘图

基本实现

​编辑 绘制多个图形

总结


        Seaborn 在 Matplotlib 的基础上进行了更加高级的封装,用户能够使用极少的代码绘制出拥有丰富统计信息的科研论文配图,使用难度相比之下更低。

安装

        官方文档:https://seaborn.pydata.org/tutorial.htm]

# 两种方式均可进行安装
# pip install seaborn

# conda install seaborn

绘图类型函数详解

关系绘图

        数据集变量间的相互关系和相互依赖的程度都可以通过统计分析变量间的相关性获知。在这一过程中,合理的可视化表示可以帮助读者更好地理解数据和发掘数据间的内在联系。Seaborn提供的scatterplot()、relplot()和lineplot()函数可用于绘制反映数据间关系的图。

 数据分布型图

        在对数据进行分析或建模之前,我们需要先了解数据的分布情况,以及数据的覆盖范围、 中心趋势、异常值等基本情况。Seaborn 提供的多个绘图函数可用于可视化数据的分布情况。

 分类数据型图

        在面对数据组中具有离散型变量(分类变量)的情况时,我们可使用以 X 轴或 Y 轴作为 分类轴的绘图函数来绘制分类数据型图。

 回归模型分析型图

        我们可以使用回归模型分析型图表示数据集中变量间的关系,使用统计模型来估计两组变量间的关系。

关系绘图

基础实现

import seaborn as sns

tips = sns.load_dataset("tips",cache=True) # 载入数据集
sns.relplot(x="total_bill",y="tip",data=tips)

        查看数据集分布:

加入hue参数

        hue参数可以用来控制第三个变量的颜色显示,即:

sns.relplot(x="total_bill",y="tip",hue="day",data=tips)

添加col和row参数

        col与row可以将所绘制的图像根据某个属性的值的个数分割成相应的列或行,比如在tips数据集中,可以按照col = 'sex' 划分为Male 与 Female。

sns.relplot(x="total_bill",y="tip",hue="day",col="sex",data=tips)

        当然也可以通过设置row = 'time'获取其余图像,此处不作进一步展示。

分类绘图

swarmplot

sns.catplot(x="day",y="total_bill",kind="swarm",data=tips,hue="sex")

小提琴图 

          小提琴图通常沿着水平轴展示不同的类别或分组,而竖直轴表示数据的取值范围。每个小提琴图由一个核密度估计图和两条连线组成,连线部分表示数据的分布范围,核密度估计图则显示数据的分布密度。小提琴图的形状可以帮助观察者判断数据的集中趋势、离散程度和偏斜程度。

sns.catplot(x="day",y="total_bill",data=tips,kind="violin",hue="time",split=True)

分布绘图

单变量分布

        单变量分布可以使用直方图进行表示,具体使用distplot。

import numpy as np
sns.set(color_codes=True)
titanic = sns.load_dataset("titanic")
titanic = titanic[~np.isnan(titanic['age'])]
sns.distplot(titanic['age'])

多变量分布

        对于多变量分布,我们往往是选择考察彼此之间的相关性,这个时候我们可以使用pairplot,将某个数据集中不同变量之间的俄关系图一次性绘制出来。

iris = sns.load_dataset("iris")
sns.pairplot(iris,vars=['sepal_length',"sepal_width",'petal_length','petal_width'])

         从中我们可以发现如length与width保持较强的正相关关系,这也与我们的直观认识一致。为进一步探索,此处还可以通过调整参数 diag_kind 与 kind 获取更加直观的图像。

sns.pairplot(iris,vars=['sepal_length',"sepal_width",'petal_length','petal_width'],diag_kind="kde",kind="reg")

FacetGrid绘图

基本实现

        创建一个 FacetGrid 对象,然后调用 map 方法。其中 map 方法的第一个参数是一个函数,后续 map 将调用这个函数来绘制图像,而后面的参数是传递给这个函数的参数。

tips = sns.load_dataset("tips")
g = sns.FacetGrid(tips)
g.map(plt.scatter,"total_bill","tip")

特别地,常用的一些绘图函数也集成于 FacetGrid 之中:

 绘制多个图形

        根据上文所讲解的超参数,即可使用FacetGrid进行实现:

g = sns.FacetGrid(tips,col="day",col_wrap=2)
g.map(sns.regplot,"total_bill","tip")

         也可以通过调整 hue 参数,来更好地进行可视化:

g = sns.FacetGrid(tips,col="day",hue="time", col_wrap=2)
g.map(sns.regplot,"total_bill","tip")

总结

        本次基于Python的第三方库Seaborn探究了科研配图的相关细节,宏观上讲解了从安装到绘图类型的简要知识,微观上分别以关系绘图、分类绘图、分布绘图以及FacetGrid绘图为例进行了动手实践,进一步加深了对Seaborn的理解,领悟到了使用Seaborn作图的小技巧。

Python Pandas 与 Seaborn 结合绘图的效果 在当今的数据驱动时代,数据可视化是理解和分析数据的重要手段。Python 作为一种功能强大的编程语言,拥有众多用于数据处理和可视化的库。Pandas 是一个专门用于数据处理和分析的库,它提供了高效的数据结构和数据操作方法。Seaborn 则是基于 Matplotlib 构建的高级数据可视化库,它提供了简洁的 API 来创建各种吸引人的统计图形。本文的目的是深入探讨如何将 Pandas 和 Seaborn 结合使用,以实现高质量的数据可视化。 阅读详情

相关推荐

深入解析Apollo Lattice Planner:自动驾驶轨迹规划的核心算法与实践

本文深入解析了百度Apollo自动驾驶平台中的核心轨迹规划算法——Lattice Planner。文章详细阐述了其作为车辆“即时决策者”的工作原理,通过“采样-评估”的六步流程(Frenet坐标转换、状态采样、轨迹生成、硬约束过滤、代价函数打分及决策平滑),在复杂路况下实时规划出安全、舒适、高效的行驶轨迹。该算法是自动驾驶实现智能决策与精准控制的关键技术。

weixin_29090677的博客 833

python数据分析 | seaborn绘图学习

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

Claire_chen_jia的博客 4703

SAP MTO模式实战:从库存管理到成本核算的深度解析

本文深入解析SAP MTO(Make-to-Order)模式在制造业中的应用,从库存管理到成本核算的全流程实战技巧。通过对比MTS模式,详细阐述MTO的核心逻辑、库存管理配置、成本核算路径及与PP模块的集成要点,帮助企业实现按单生产的高效管理,优化库存水平和资金占用。

weixin_29204205的博客 710

sns.regplot()用法

seaborn.regplot()函数可以在两个变量之间绘制一个线性回归模型,可以输出线性回归线以及数据的散点图。

mxy02的博客 1719

新华硕笔记本ubuntu18.04双系统安装之后,wifi没有显示无法链接wifi

本来我以为跟简单安装一个wifi网卡的驱动就可以解决的问题,没想到花了我一早上的时候解决… 惭愧。 另外,本来是没打算写这篇博客的,但是我在搜索解决这个问题的过程中, 发现多人提出的解决方案跟我的都不一样,甚至我的解决方案都没有搜到相应的答案,还是只能靠自己啊。。 言归正传,还是说说怎么正确的安装wifi驱动吧! 1. wifi没有正确安装、或没有正确配置的表现 我的电脑现象: 有wifi图标, wifi设置上显示unaviable,无法搜索到任何wifi; 还有其他类似的表现,大家可以看看其他朋友的提

Ian的博客 1891

Python实战:超分辨率图像质量评估全攻略——PSNR、SSIM、LPIPS与NIQE的代码实现与优化

本文详细介绍了在Python中实现超分辨率图像质量评估的完整方案,涵盖PSNR、SSIM、LPIPS和NIQE四大核心指标。通过模块化代码设计、多进程并行处理和GPU加速优化,帮助开发者构建高效、可扩展的评估系统,并提供了实战避坑指南与结果解读方法。

weixin_29053073的博客 480

sns.regplot 和 sns.distplot你知道多少

sns.regplot和sns.distplot这两个图形的使用场景记录。 sns.regplot 用来比较两个变量的关系,是否符合线性回归。一般用来比较特征变量和标签变量上。 sns.distplot 是直方图和核密度图(sns.kdeplot)的结合。用来看单个连续型变量的分布。 顺便说下直方图和条形图区别: 直方图:先分箱,然后计算每个分箱频数的数据分布。直方图一般用于数字特征(连续型); 条形图一般用于类别特征,条形图有间距,直方图没有。 先用小费数据集画出图形。 # 导入包 import se

pythonxiaopeng的博客 1万+

【Bug已解决】Auto mode cannot determine the safety of an action — Claude Code 自动模式安全判断失败解决方案

将已知安全的操作添加到白名单,分类器不再拦截这些操作。# 步骤 1:编辑 Claude Code 配置"Read","Write"EOF# 步骤 2:白名单中的操作将自动通过# 不在白名单中的操作仍需分类器判断# 步骤 3:重启 Claude Codeclaude方案适用场景推荐指数难度方案一:手动审批偶发回退,安全优先⭐⭐⭐⭐⭐低方案二:/compact 压缩上下文超限导致⭐⭐⭐⭐低方案三:拆分步骤复杂操作触发⭐⭐⭐⭐低方案四:跳过审批隔离环境,CI/CD。

博客 1万+

seaborn sns.regplot()

seaborn sns.regplot()

weixin_44360866的博客 1424

【Zephyr存储专题】09_LittleFs文件系统操作

本文档旨在为开发者介绍Zephyr下Littlef's文件系统相关配置使用指南

zero的博客 3246

uniapp [全端兼容] - 详细实现拍照或相册选取图片后插入水印功能,手机拍照或相册上传图像并添加自定义水印及指定位置显示水印,uniApp给图片加水印后上传到后端服务器或保存到本机相册详细教程!

uni-app,h5移动端网页,微信小程序,支付宝小程序,Android安卓,苹果ios,app,nvue,图片水印,上传照片带水印,从相册选择图片加水印功能,拍完照片给图片加水印,添加照片水印,uniapp图片加水印,为图片添加自定义水印,uni-app上传图片并添加水印,上传图片加水印,uni-app如何对拍摄的照片加水印,uni-app实现图片上传添加水印操作,给上传的图片添加上水印,图片加完水印后如何上传到服务器,水印相机,拍照图片加水印,相册选取后给图片加上水印,渲染失败,无法保存,文字水印,日期

🏆 前端领域优质创作者 1万+

python seaborn教程_Seaborn绘图简明教程

Seaborn 是 Python 的数据可视化工具之一,它其实是在 Matplotlib 的基础上进行了更高级的 API 封装。Seaborn 可视为 Matplotlib 的补充,而不是替代,使用 Seaborn 可以更轻松地画出更漂亮的图形。Seaborn 的特点如下:内置数个经过优化的样式效果;增加调色板工具,可以很方便地为数据搭配颜色;单变量和双变量分布绘图更为简单,可用于对数据子集相互比...

weixin_39625747的博客 1461

Unity 佳能SDK 及数据获取

3. 把CameraControl 下面只要是绿色的 .cs 文件都复制到Unity 中。1. 填写信息跟官方申请SDK,大概1-2个工作日会邮件回复你。2. 将SDK这两个文件放到 Unity Plugins文件夹。

我知道你很急,但是路要一步步走 1480

python绘图库seaborn_Matplotlib Toolkits:python高级绘图库seaborn

Seaborn介绍seaborn(Not distributed with matplotlib)seaborn is a highlevel interface for drawing statistical graphics with matplotlib. Itaims to make visualization a central part of exploring andundersta...

weixin_39649405的博客 173

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

python seaborn_大白话Python绘图系列Seaborn篇

1. 目的了解python第三方绘图包seaborn,从常用绘图实例开始,快速体验seaborn绘图。建议用时: 10分钟绘图例子: 12个每个例子代码量: 1-6行, 90%仅1行1.1 环境ipython notebook安装python包:seaborn,matplotlib,pandas,numpy在微信公共账号回复,ipython, 会返回临时云端学习环境网址和密码, ...

weixin_39639049的博客 282

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

Python绘图库之:seaborn教程

Python绘图库之:seaborn教程

C++ JAVA的专栏 397

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

python绘图库seaborn_Python绘图可视化——Seaborn实现

简介虽然Matplotlib库已经能够完成大部分的绘图任务,但是有时候图表并不是非常好看,而Seaborn库提供了更加高级的接口和许多定制的主题,使作图更加美观。也就是说,它是对Matplotlib库的补充。Matplotlib的作图效果我们来看一个例子:import numpy as npimport matplotlib.pyplot as pltdef plot_sin(flip=1):x ...

weixin_39743369的博客 378

【Python画图】第2章:四大科研绘图库:Matplotlib、Seaborn、Proplot、SciencePlots

四个非常Amazing的科研绘图库。

weixin_44590417的博客 4503

Python编程数据分析篇之Seaborn绘图

Python编程数据分析篇之Seaborn绘图 文章目录Python编程数据分析篇之Seaborn绘图关系型绘图seaborn.relplot()基本使用分类绘图分类散点图分类分布图分类统计图分布绘图单变量分布二变量分布pairplot线性回归绘图FacetGrid结构图Axes绘图FacetGrid的使用设置图形的尺寸设置图例设置标题设置坐标轴Seaborn样式风格设置风格设置函数sns.axes.stylesns.set_style()sns.set调色盘设置定性调色盘连续的颜色盘离散的色盘官方文档2.

weixin_49069669的博客 1789

python使用seaborn和matplotlib绘图介绍

最近有些朋友做毕设时寻求绘图帮助,但又说不清楚自己的要求,写个博客简单介绍一下python中做分析图表常用的seaborn与matplotlib这两个功能强大库,如果你还没学会强大的matlab制作数据图,恰巧又想学或者懂些python使用,那这两个库可能会让你在短时间内得到满意的图,因为官方给出的演示文档实在是丰富。 1. Seaborn库 Seaborn是一个使用Python制作统计图形的库,...

Breeze 5040

python中关于seaborn书籍_大白话Python绘图系列: Seaborn篇

1. 目的了解python第三方绘图包seaborn,从常用绘图实例开始,体验seaborn绘图。建议用时: 10分钟绘图例子: 12个每个例子代码量: 1-6行, 90%仅1行1.1 环境ipython notebook安装python包:seabornmatplotlibpandasnumpy2. Seaborn快速绘图2.1 练习数据seaborn自带很多练习数据, 见: seaborn d...

weixin_39677106的博客 346

Python论文绘图利器seaborn.lineplot

Python论文绘图利器seaborn.lineplot

weixin_39559994的博客 1861

[Python] 解决seaborn绘图无法显示中文等问题

目录1.相关模块2.解决sns显示问题3.效果显示 seaborn是基于matplotlib的基础上进行封装的。话不多说,上代码 1.相关模块 import pandas as pd import matplotlib.pyplot as plt import seaborn as sns 2.解决sns显示问题 生成sns样式 sns.set(palette="muted", color_codes=True) # seaborn样式 一些配置 plt.rcParams['font.sans-s

lam_yx的博客 1万+

python绘图之使用Seaborn的主题来提高观感

【代码】python绘图之使用Seaborn的主题来提高观感。

pianmian1的博客 182

Python数据分析-绘图-2-Seaborn进阶绘图-1-基础配置

Seaborn具有以下特点: 1.基于matplotlib绘图风格,增加了一些绘图模式。 2.增加调色板功能,具有色彩丰富的显示数据的模式。 3.面向整个数据集,可以显示多个变量之间的关系。 4.可视化单变量和双变量分布以及在数据子集间进行比较。 5.不同种类因变量的线性回归模型的自动估计和绘图。 6.方便查看复杂数据集的整体结构。 7.灵活处理时间序列数据。 8.利用网络建立复杂图像集。 一、Seaborn基础 1.简单绘图 可以使用get_dataset_names函数获取全部内置

weixin_44020827的博客 1824

Python Seaborn 绘图示例

本文介绍了使用Python绘制箱线图的代码示例。通过导入matplotlib.pyplot、pandas和seaborn等库,创建了两个数据集:一个包含月份和数值的数据框(data),另一个包含分类变量和数值变量的数据框(b_data)。代码设置了图形标题为"goodssellcondition",并标注了x轴为"month",y轴为"number"。核心部分是使用seaborn的boxplot函数绘制箱线图,展示不同分类下的数值分布情况,最后用p

Ming_chao的博客 527
上一篇: 脑PET图像分析和疾病预测挑战赛---CNN
下一篇: Python绘图简要---基于ProPlot与SciencePlots
Vector Jason
博客等级 码龄6年 35粉丝 36原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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