四、绘图可视化之Seaborn

最新推荐文章于 2025-09-12 15:58:40 发布

weixin_30849591

最新推荐文章于 2025-09-12 15:58:40 发布

阅读量138

点赞数

CC 4.0 BY-SA版权

文章标签： python 开发工具人工智能

原文链接：http://www.cnblogs.com/tianqizhi/p/8797207.html

Seaborn-Powerful Matplotlib Extension

seaborn实现直方图和密度图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
s1=pd.Series(np.random.randn(1000))
plt.hist(s1)#直方图

　　结果：

(array([  1.,   4.,  19.,  88., 231., 256., 218., 140.,  37.,   6.]),
 array([-3.98123959, -3.28090493, -2.58057027, -1.8802356 , -1.17990094,
        -0.47956628,  0.22076838,  0.92110304,  1.6214377 ,  2.32177237,
         3.02210703]),
 <a list of 10 Patch objects>)

s1.plot(kind='kde')#密度图

　　结果：

<matplotlib.axes._subplots.AxesSubplot at 0xb11fba8>

sns.distplot(s1,hist=True,kde=True)#可直接简写为sns.distplot(s1)，因为默认情况下hist=True,kde=True

　　结果：

<matplotlib.axes._subplots.AxesSubplot at 0xb205390>

sns.distplot(s1,bins=20,rug=True)#bins=20指的是分为20等份，rug用于显示数据的密集度    在jupyter notebook中可以通过shift+Tab查看函数功能

　　结果：

<matplotlib.axes._subplots.AxesSubplot at 0xbe64240>

sns.kdeplot(s1,shade=True,color='r')#密度图，shade会将曲线下边颜色进行填充,默认为蓝色，可修改颜色

　　结果：

<matplotlib.axes._subplots.AxesSubplot at 0xda45908>

sns.rugplot(s1,height=1)#密集度图

　　结果：

<matplotlib.axes._subplots.AxesSubplot at 0x119b4198>

seaborn实现柱状图和热力图

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

df=sns.load_dataset('flights')#通过在线的repository（存储库）下载数据，sns的内置方法
print(df.head())
df.shape

　　结果：

   year     month  passengers
0  1949   January         112
1  1949  February         118
2  1949     March         132
3  1949     April         129
4  1949       May         121
(144, 3)

View Code

df=df.pivot(index='month',columns='year',values='passengers')#生成透视表，阅读数据更加方便
print(df)

　　结果：

year       1949  1950  1951  1952  1953  1954  1955  1956  1957  1958  1959  \
month                                                                         
January     112   115   145   171   196   204   242   284   315   340   360   
February    118   126   150   180   196   188   233   277   301   318   342   
March       132   141   178   193   236   235   267   317   356   362   406   
April       129   135   163   181   235   227   269   313   348   348   396   
May         121   125   172   183   229   234   270   318   355   363   420   
June        135   149   178   218   243   264   315   374   422   435   472   
July        148   170   199   230   264   302   364   413   465   491   548   
August      148   170   199   242   272   293   347   405   467   505   559   
September   136   158   184   209   237   259   312   355   404   404   463   
October     119   133   162   191   211   229   274   306   347   359   407   
November    104   114   146   172   180   203   237   271   305   310   362   
December    118   140   166   194   201   229   278   306   336   337   405   

year       1960  
month            
January     417  
February    391  
March       419  
April       461  
May         472  
June        535  
July        622  
August      606  
September   508  
October     461  
November    390  
December    432

View Code

sns.heatmap(df)#热力图

　　结果：

<matplotlib.axes._subplots.AxesSubplot at 0xacac7f0>

sns.heatmap(df,annot=True,fmt='d')#annot显示是否有字，fmt=‘d’表示显示整数数字

　　结果：

<matplotlib.axes._subplots.AxesSubplot at 0xb345e10>

s=df.sum()
print(s)
print(s.index)
print(s.values)

　　结果：

year
1949    1520
1950    1676
1951    2042
1952    2364
1953    2700
1954    2867
1955    3408
1956    3939
1957    4421
1958    4572
1959    5140
1960    5714
dtype: int64
Int64Index([1949, 1950, 1951, 1952, 1953, 1954, 1955, 1956, 1957, 1958, 1959,
            1960],
           dtype='int64', name='year')
[1520 1676 2042 2364 2700 2867 3408 3939 4421 4572 5140 5714]

sns.barplot(x=s.index,y=s.values)

　　结果：

<matplotlib.axes._subplots.AxesSubplot at 0x26009b0>

print(type(s))
s.plot(kind='bar')#复习matplotlib画出柱状图

　　结果：

<matplotlib.axes._subplots.AxesSubplot at 0xbce8f98>

seaborn设置图形显示效果

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

x=np.linspace(0,14,100)#等差数列，在0,14之间等分为100份
y1=np.sin(x)
y2=np.sin(x+2)*1.25

def sinplot():
    plt.plot(x,y1)
    plt.plot(x,y2)

sinplot()

　　结果：

import seaborn as sns
sinplot()#seaborn为其定义了5种风格,下图为默认风格
style=['darkgrid','dark','white','whitegrid','ticks']

　　结果：

sns.set_style(style[3])
sinplot()
sns.axes_style()#显示出主题的参数设置,可更改，见下条程序

　　结果：

{'axes.axisbelow': True,
 'axes.edgecolor': '.8',
 'axes.facecolor': 'white',
 'axes.grid': True,
 'axes.labelcolor': '.15',
 'axes.linewidth': 1.0,
 'figure.facecolor': 'white',
 'font.family': ['sans-serif'],
 'font.sans-serif': ['Arial',
  'DejaVu Sans',
  'Liberation Sans',
  'Bitstream Vera Sans',
  'sans-serif'],
 'grid.color': '.8',
 'grid.linestyle': '-',
 'image.cmap': 'rocket',
 'legend.frameon': False,
 'legend.numpoints': 1,
 'legend.scatterpoints': 1,
 'lines.solid_capstyle': 'round',
 'text.color': '.15',
 'xtick.color': '.15',
 'xtick.direction': 'out',
 'xtick.major.size': 0.0,
 'xtick.minor.size': 0.0,
 'ytick.color': '.15',
 'ytick.direction': 'out',
 'ytick.major.size': 0.0,
 'ytick.minor.size': 0.0}

View Code

sns.set_style(style[3],{'axes.facecolor':'red'})
sinplot()

　　结果：

{'axes.axisbelow': True,
 'axes.edgecolor': '.8',
 'axes.facecolor': 'red',
 'axes.grid': True,
 'axes.labelcolor': '.15',
 'axes.linewidth': 1.0,
 'figure.facecolor': 'white',
 'font.family': ['sans-serif'],
 'font.sans-serif': ['Arial',
  'DejaVu Sans',
  'Liberation Sans',
  'Bitstream Vera Sans',
  'sans-serif'],
 'grid.color': '.8',
 'grid.linestyle': '-',
 'image.cmap': 'rocket',
 'legend.frameon': False,
 'legend.numpoints': 1,
 'legend.scatterpoints': 1,
 'lines.solid_capstyle': 'round',
 'text.color': '.15',
 'xtick.color': '.15',
 'xtick.direction': 'out',
 'xtick.major.size': 0.0,
 'xtick.minor.size': 0.0,
 'ytick.color': '.15',
 'ytick.direction': 'out',
 'ytick.major.size': 0.0,
 'ytick.minor.size': 0.0}

View Code

sinplot()#原本的设置已经改变 ，要想恢复到以前的形式，需要清空当前风格设置

　　结果：

sns.set()#清空当前风格设置
sinplot()#回到默认设置

　　结果：

context=['paper','notebook','talk','poster']#曲线属性
sns.set_context(context[0])
sinplot()

　　结果：

sns.set_context(context[3])#与第0个相比会变粗，变大
sinplot()
sns.plotting_context()#显示出属性的设置

　　结果：

{'axes.labelsize': 17.6,
 'axes.titlesize': 19.200000000000003,
 'font.size': 19.200000000000003,
 'grid.linewidth': 1.6,
 'legend.fontsize': 16.0,
 'lines.linewidth': 2.8000000000000003,
 'lines.markeredgewidth': 0.0,
 'lines.markersize': 11.200000000000001,
 'patch.linewidth': 0.48,
 'xtick.labelsize': 16.0,
 'xtick.major.pad': 11.200000000000001,
 'xtick.major.width': 1.6,
 'xtick.minor.width': 0.8,
 'ytick.labelsize': 16.0,
 'ytick.major.pad': 11.200000000000001,
 'ytick.major.width': 1.6,
 'ytick.minor.width': 0.8}

View Code

sns.set_context(context[3],rc={'grid.linewidth': 10})#sns.set_context(context=None, font_scale=1, rc=None)
sinplot()

　　结果：

sinplot()#原本的设置已经改变 ，要想恢复到以前的形式，需要清空当前风格设置

　　结果：

sns.set()#清空当前风格设置
sinplot()#回到默认设置

　　结果：

seaborn强大的调色功能

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
def sinplot():
    x=np.linspace(0,14,100)
    plt.figure(figsize=(8,6))#调整图像大小
    for i in range(4):
        plt.plot(x,np.sin(x+i)*(i+0.75),label='sin(x+%s)*(%s+0.75)'%(i,i))
    plt.legend()
sinplot()

　　结果：

import seaborn as sns
sinplot()

　　结果：

sns.color_palette()#当前系统所使用的调色板 每组中有三个值，分别为RGB

　　结果：

[(0.12156862745098039, 0.4666666666666667, 0.7058823529411765),
 (1.0, 0.4980392156862745, 0.054901960784313725),
 (0.17254901960784313, 0.6274509803921569, 0.17254901960784313),
 (0.8392156862745098, 0.15294117647058825, 0.1568627450980392),
 (0.5803921568627451, 0.403921568627451, 0.7411764705882353),
 (0.5490196078431373, 0.33725490196078434, 0.29411764705882354),
 (0.8901960784313725, 0.4666666666666667, 0.7607843137254902),
 (0.4980392156862745, 0.4980392156862745, 0.4980392156862745),
 (0.7372549019607844, 0.7411764705882353, 0.13333333333333333),
 (0.09019607843137255, 0.7450980392156863, 0.8117647058823529)]

View Code

sns.palplot(sns.color_palette())#画出色板的颜色

　　结果：

pal_style=['deep','muted','pastel','bright','dark','colorblind']#6种主题分类色板
sns.palplot(sns.color_palette('deep'))

　　结果：

sns.set_palette(sns.color_palette('dark'))#设置为dark色板
sinplot()

　　结果：

sns.set()#恢复到以前默认的色板
sinplot()

　　结果：

with sns.color_palette('dark'):#设置临时色板
    sinplot()

　　结果：

sinplot()#上述为临时色板

　　结果：

pall=sns.color_palette([(0.5,0.1,0.7),(0.3,0.1,0.9)])#生成自己的色板
sns.palplot(pall)

　　结果：

sns.palplot(sns.color_palette('hls',8))#生成8种颜色的色板，随便指定数目

　　结果：

转载于:https://www.cnblogs.com/tianqizhi/p/8797207.html