sns画图总结

原创 已于 2022-07-11 23:05:53 修改 · 2.6k 阅读 · 8 ·
CC 4.0 BY-SA版权
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。
文章标签：

#python #数据分析

于 2022-07-11 22:50:11 首次发布
部署运行你感兴趣的模型镜像

seaborn画图小结

学习kaggle 的记录

如何选择相应的图来展示数据

趋势线

sns.lineplot 线形图

sns.lineplot(data=fifa_data) #以索引为横轴，多个列的值为纵轴
描述变量之间的关系
  • sns.barplot 条形图
  • sns.heatmap 热力图
  • sns.scatterplot 散点图
  • sns.regplot 包含趋势线的散点图
  • sns.lmplot 包含多条趋势线的散点图
  • sns.swarmplot 包含分类变量的散点图
分布图
  • sns.histplot 直方图
  • sns.kdeplot 核密度图
  • sns.jointplot 用来展示两个相关的核密度图

选择合适的风格

# Change the style of the figure to the "dark" theme
sns.set_style("dark")

# Line chart 
plt.figure(figsize=(12,6))

其他可选的风格还有：

  • "darkgrid"
  • "whitegrid"
  • "dark"
  • "white"
  • "ticks"

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型，相比 3.0 版本，它提升了图像质量、运行速度和硬件效率

week_week_up
关注
Python AI方向 使用sns分析数据分布并画图
cnngavij的博客
08-13 507
【代码】Python AI方向 使用sns分析数据分布并画图。
【画图专题】sns.heatmap的用法简介
热门推荐
Bing's Blog
11-05 8万+
多写多思考，最近写区块链相关的东西比较多，对于看家本领倒是练得少了，从今天开始，积极更新~~ 这个heatmap用的很多，但是对于它的用法没有好好总结过，因此也比较生疏，每次用都得去查文档。 seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, center=None, robust=False, annot=None, fmt='.2g',...
plt sns绘图学习笔记
Dear_Floyd的博客
03-31 847
集合了matplotlib的hist()与核函数估计kdeplot的功能，增加了rugplot分布观测条显示与利用scipy库fit拟合参数分布的新颖用途。用来估计未知的密度函数，属于非参数检验方法之一。通过核密度估计图可以比较直观的看出数据样本本身的分布特征。
python 数据可视化sns作图
Today_2018的博客
03-23 5542
相信很多人在jupyter notebook画图，是这样的过程， 画什么图？ 散点？ 柱状？function是什么？google查一下。 嗯，我还差个标题，标题加在哪里，stackoverflow 看看有没有。 对了，我还要调颜色，调坐标，我还想双轴展示，左右展示。 然后，google看了10几个链接，结果，要么花了半个小时，不停试错，终于画出了想要的图，要么还在一个个点google 搜索的link内容。 如果你有大量时间，当然是没什么问题，但是数据岗位求职时候，那些take home challenge.
plt，sns画图
qq_45305490的博客
09-12 523
sns.jointplot 用来展示两个相关的核密度图。sns.swarmplot 包含分类变量的散点图。sns.regplot 包含趋势线的散点图。sns.jointplot 联合分布图。sns.scatterplot 散点图。sns.countplot 计数图。sns.lineplot 线形图。sns.pointplot 点图。sns.histplot 直方图。sns.kdeplot 核密度图。sns.catplot cat图。sns.barplot 条形图。sns.boxplot 箱线图。
sns.histplot绘制直方图与偏分图，plot绘制正态图
qq_43985140的博客
04-22 1507
sns.histplot绘制直方图与偏分图，plot绘制正态图
python中画图工具seaborn、plotly总结
07-27
#### 四、总结 通过上述内容可以看出，无论是Seaborn还是Plotly，都是功能强大的画图工具。选择哪种工具取决于实际需求和个人偏好。Seaborn更适合快速生成统计图表，而Plotly则更适合需要交互性和更复杂图表的应用...
python画图把时间作为横坐标的方法
09-19
#### 五、总结 通过上述步骤，我们可以清楚地看到如何在Python中利用Matplotlib和PyEcharts两种图表库，将时间作为横坐标来绘制时间序列数据。无论是对于学术研究还是实际工作中的数据可视化需求，掌握这些技巧都是...
python画图-使用Python实现的数据可视化画图之Circle示例.zip
03-11
总结来说，Python中的Circle绘图是数据可视化中的基础元素，通过matplotlib和seaborn等库，我们可以创建各种定制化的圆形图表，结合实际数据进行深入分析。无论是在学术研究、数据分析还是商业报告中，掌握这一技能...
python-Drawing _python_画图_
10-03
总结来说，Python 提供了强大的数据可视化工具，如 Matplotlib 和 Seaborn，使得从 Excel 数据生成图表变得简单而直观。通过自定义线条样式、坐标轴和使用 Seaborn，我们可以创建出专业且易于理解的图形，这对于数据...
【Seaborn】sns.scatterplot() 函数： 散点图
彬彬侠的博客
02-28 2127
seaborn.scatterplot()用于可视化两个数值变量的关系，可以用于发现趋势、聚类、离群点（异常值），特别适合数据探索（EDA）。-sns.scatterplot()可视化两个数值变量关系，支持颜色、大小、形状分类。-常见参数hue（类别颜色）、size（点大小）、style（点形状）。alpha控制透明度，palette选择颜色。
python 绘图sns.distplot
qq_32649321的博客
03-11 2万+
0.语法 seaborn.distplot(a=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) 关键参数：norm_hist：若为True, 则直方图
kaggle sns库绘图
qq_42839893的博客
12-29 456
画表格 这里写目录标题折线图柱状图热力图绘制散点图with the regression line用颜色区分两类要是我们准备用颜色来区分，那么就不能用这个regplot这个函数，而应该用lmplot函数来进行线性回归拟合(！！！如果采用的变量是离散的话)以某一个为axis进行绘制 折线图 柱状图 热力图 绘制散点图 sns.scatterplot() with the regression line 用颜色区分两类 要是我们准备用颜色来区分，那么就不能用这个regplot这个函数，而应该用lmp
seaborn—sns.scatterplot绘制散点图
柳杰的博客
03-26 8533
箱型图的绘制   接上一篇，箱型图适合绘制类别变量与目标变量的关系。这一篇所讲到的散点图适合绘制连续型变量与目标变量的关系。 中文文档 seaborn.scatterplot(x=None, y=None, hue=None, style=None, size=None, data=None, palette=None, hue_order=None, hue_norm=None, sizes=None, size_order=None, size_norm=None, markers=True,..
使用pandas sns绘图
qq_37077164的博客
10-28 713
链接：https://blog.youkuaiyun.com/sinat_29957455/article/details/79243377
python数据可视化：创建多个子图 matplotlib.pyplot.subplot()
liujingwei8610的专栏
05-01 389
print("【执行】plt.plot([1, 2, 3], [3, 2, 1], 'r--')")print("【执行】plt.plot([1, 2, 3], [1, 2, 3])")print("【执行】plt.subplot(1, 2, 1)")print("【执行】plt.subplot(1, 2, 2)")A选项：plt.subplot()用于创建多个子图。C选项：plt.subplot()用于创建折线图。D选项：plt.subplot()用于创建散点图。【小白从小学Python、C、Java】
sns.barplot/sns.countplot/sns.boxplot参数设置
qq_32649321的博客
12-08 1万+
1.利用sns.barplot绘制柱状图 语法： seaborn.barplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,\ estimator=<function mean>,ci=95, n_boot=1000, units=None, orient=None,\ color=None, palette=None, saturation=0.
sns.countplot() 画条形图
zy的博客
05-21 1万+
sns.countplot() 用于画类别特征的频数条形图。 函数中的参数如图所示： sns.countplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=0.75, dodge=True, ax=None, **kwargs) 参数说明： x： x轴上的条形图，以x标签划分统计个数 y：y轴上的条形图，以y标签划分统
SNS柱状图、矩阵热力图及一些设置
qq_42193790的博客
08-14 1577
seaborn.set() 的 context 这个参数是用来设置 绘图背景参数的，它主要来影响标签、线条和其他元素的效果，但不会影响整体的风格，跟style有点区别。在matplotlib中我们已经学过了，在一个figure对象中，我们可以添加多个子图，那么如果不同的子图使用不同的风格，我们该如何做呢？xticklabels, yticklabels：“auto”，布尔值，类列表值，或者整形数值，可选参数。如果为True，则将坐标轴方向设置为“equal”，以使每个单元格为方形。
classficationreport画图
最新发布
07-19
在机器学习中，`classification report` 是评估分类模型性能的重要工具之一，它提供了每个类别的 **precision（精确率）**、**recall（召回率）**、**f1-score（F1分数）** 和 **support（样本数）**。虽然 `sklearn` 的 `classification_report` 默认输出的是文本形式，但可以通过图形化方式将这些指标更直观地展示出来。 ### 1. 使用 `matplotlib` 和 `seaborn` 可视化分类报告 可以通过将 `classification_report` 的输出转换为 `DataFrame`，然后使用 `seaborn.heatmap` 或 `matplotlib` 绘制热力图来实现图形化展示。 #### 示例代码： ```python import seaborn as sns import matplotlib.pyplot as plt import pandas as pd from sklearn.metrics import classification_report # 假设 Y_test 和 Y_pred 是测试集的真实标签和预测结果 # 生成 classification_report 的字典形式输出 report = classification_report(Y_test, Y_pred, output_dict=True) # 转换为 DataFrame report_df = pd.DataFrame(report).transpose() # 使用 seaborn 热力图展示 plt.figure(figsize=(8, 6)) sns.heatmap(report_df.iloc[:-3, :-1], annot=True, cmap="Blues") plt.title("Classification Report Heatmap") plt.show() ``` 该方法通过热力图将 precision、recall 和 f1-score 以颜色深浅的形式呈现，使得结果更易于理解。 --- ### 2. 使用 `sklearn.metrics.plot_classification_report`（第三方扩展） 虽然 `scikit-learn` 本身不直接支持图形化展示 `classification_report`，但社区提供了一些扩展库，例如 `scikit-plot`，可以方便地实现可视化。 #### 安装 scikit-plot： ```bash pip install scikit-plot ``` #### 示例代码： ```python import scikitplot as skplt import matplotlib.pyplot as plt from sklearn.metrics import classification_report # 绘制分类报告 skplt.metrics.plot_classification_report(Y_test, Y_pred, cmap='Blues') plt.show() ``` 该方法直接生成一个美观的图形化分类报告图，支持多种配色方案。 --- ### 3. 使用 Streamlit 构建可视化应用 如果希望将分类报告嵌入 Web 应用中，可以使用 `Streamlit` 结合 `matplotlib` 或 `plotly` 实现交互式展示。 #### 示例代码（结合 Streamlit）： ```python import streamlit as st import seaborn as sns import matplotlib.pyplot as plt from sklearn.metrics import classification_report st.subheader("Classification Report Visualization") report = classification_report(Y_test, Y_pred, output_dict=True) report_df = pd.DataFrame(report).transpose() fig, ax = plt.subplots(figsize=(8, 6)) sns.heatmap(report_df.iloc[:-3, :-1], annot=True, cmap="Blues", ax=ax) st.pyplot(fig) ``` 这种方式适合在可视化大屏或交互式仪表板中展示模型性能指标[^2]。 --- ### 4. 使用 SHAP 可视化特征对分类报告的影响 除了展示分类报告本身，还可以结合 `SHAP` 值来解释模型预测结果背后的原因。SHAP 可以可视化每个特征对模型输出的影响，从而帮助理解为何某些样本的 precision 或 recall 较低[^3]。 #### 示例代码： ```python import shap from sklearn.ensemble import RandomForestClassifier model = RandomForestClassifier() model.fit(X_train, Y_train) explainer = shap.TreeExplainer(model) shap_values = explainer.shap_values(X_test) shap.summary_plot(shap_values, X_test, plot_type="bar") ``` --- ### 总结 将 `classification report` 图形化展示可以通过以下方式实现： - 使用 `seaborn` 和 `matplotlib` 绘制热力图； - 利用 `scikit-plot` 提供的封装函数； - 在 `Streamlit` 应用中集成可视化； - 使用 `SHAP` 解释模型预测行为。 这些方法不仅提升了可读性，还增强了模型评估的交互性和可解释性。 ---
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 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