用seborn的函数distplot(), jointplot(), pairplt()对数据的单变量分析绘图

最新推荐文章于 2025-03-01 10:06:09 发布

转载最新推荐文章于 2025-03-01 10:06:09 发布 · 422 阅读

1 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/loubin/p/11267177.html

文章标签：

#python

本文介绍了使用Seaborn库进行数据可视化的三种方法：绘制直方图与分布曲线、散点图及pairplot，展示了如何通过不同类型的图表揭示数据特征。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.用seaborn的distplot（）函数绘制直方图。参数kde = True时会把分布曲线也画出来。

如下代码所示是绘制标准正态分布的分布图

1 import seaborn as sns
2 import numpy as np
3 import matplotlib as mpl
4 import matplotlib.pyplot as plt
5 
6 
7 x = np.random.normal(size=1000)
8 sns.distplot(x)
9 plt.show()

2.对于两组变量关系，可以用散点图画出他们的分布。函数是jointplot（）。

如下代码是绘出二维正态分布的散点图

 1 import seaborn as sns
 2 import numpy as np
 3 import pandas as pd
 4 import matplotlib as mpl
 5 import matplotlib.pyplot as plt
 6 
 7 
 8 data = np.random.multivariate_normal(mean=[0, 0], cov=[[1, 0], [0, 1]], size=1000)  #1000组标准二维正态分布
 9 df = pd.DataFrame(data=data, columns=["x", "y"])
10 sns.jointplot(x="x", y="y", kind="hex", data=df)
11 plt.show()

　　data是一个长度为1000的ndarray类型，每个元素又是一个二维向量，分别是二维正态分布的两个随机变量的样本值。所以可以当成是1000*2的矩阵

　　利用DataFrame函数将ndarray变成DataFrame结构，然后利用jointplot（）画出散点图。其中如果kind=“scatter”则是普通散点图，这里为了避免样本太多，普通的散点图可能连成一片看不出分布差异，

用kind=“hex"来画，运行结果如下

3.最强大的函数应该是pairplot函数，它能对DataFram的属性两两配对绘制散点图，并且对某一属性绘制直方图

如下代码所示，iris是seaborn内置数据集

1 import seaborn as sns
2 import numpy as np
3 import pandas as pd
4 import matplotlib as mpl
5 import matplotlib.pyplot as plt
6 
7 iris = sns.load_dataset("iris")   #seaborn内置数据集，DaraFram类型
8 sns.pairplot(iris, kind="hex")
9 plt.show()