Python----数据可视化（Seaborn二：绘图一）

news2025/3/13 7:33:56

常见方法

  • barplot方法 单独绘制条形图

  • catplot方法 可以条形图、散点图、盒图、小提亲图、等

  • countplot方法 统计数量

一、柱状图

seaborn.barplot(data=None,  x=None, y=None, hue=None, color=None, palette=None)
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
color用于变量的不同级别的颜色。应该 可以是可以解释的 ，或者是 字典将色调级别映射到 matplotlib 颜色。
palette用于绘制填充颜色的原始饱和度的比例。大 面片通常使用不饱和的颜色看起来更好，但如果您希望颜色与输入值完美匹配，请将其设置为。1

1.1、常规柱状图

import seaborn as sns
import pandas as pd
# 示例数据
tips=pd.read_csv('tips.csv')
# 单变量柱状图
sns.barplot(x="day", y="total_bill", data=tips)
# 显示图表
plt.show()

1.2、横向条形图

import seaborn as sns
import pandas as pd
# 示例数据
tips=pd.read_csv('tips.csv')
# 单变量柱状图
sns.barplot(x="total_bill", y="day", data=tips)
# 显示图表
plt.show()

1.3、分组条图

import seaborn as sns
import pandas as pd
# 示例数据
tips=pd.read_csv('tips.csv')
import seaborn as sns
# 分组柱状图
sns.barplot(x="day", y="total_bill", hue="sex", data=tips)
# 显示图表
plt.show()

1.4、设置颜色

import seaborn as sns
# 示例数据
tips=pd.read_csv('tips.csv')
# 设置颜色
sns.barplot(x="day", y="total_bill", data=tips,color='salmon')
sns.barplot(x="day", y="total_bill", hue="sex", data=tips,palette='dark:salmon')
# 显示图表
plt.show()

1.5、 统计数量

seaborn.countplot(data=None, *, x=None, y=None, hue=None, color=None, palette=None)
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
color用于变量的不同级别的颜色。应该 可以是可以解释的 ，或者是 字典将色调级别映射到 matplotlib 颜色。
palette用于绘制填充颜色的原始饱和度的比例。大 面片通常使用不饱和的颜色看起来更好，但如果您希望颜色与输入值完美匹配，请将其设置为。1
import seaborn as sns 
import matplotlib.pyplot as plt 
import pandas as pd 


tips = pd.read_csv('tips.csv')  

# 通过按天数对数据进行分组并计数
# display(tips.groupby('day').count())  

# 使用ountplot 方法绘制当天小费数量的条形图  
sns.countplot(x="day", data=tips)  

# 显示绘制的图形  
plt.show()

二、直方图

方法

  • histplot方法 绘制单变量或双变量直方图来显示数据集的分布

  • displot方法 绘制直方图、核密度图。可以比较多个变量分布情况

seaborn.histplot(data=None,x=None, y=None, hue=None, bins='auto',multiple='layer', element='bars',  kde=False, palette=None,color=None)
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
color用于变量的不同级别的颜色。应该 可以是可以解释的 ，或者是 字典将色调级别映射到 matplotlib 颜色。
palette用于绘制填充颜色的原始饱和度的比例。大 面片通常使用不饱和的颜色看起来更好，但如果您希望颜色与输入值完美匹配，请将其设置为。1
bins通用 bin 参数，可以是引用规则的名称， 分箱数或分箱的分隔线。
multiple

语义映射创建子集时解析多个元素的方法。 仅与单变量数据相关。

{“layer”， “减淡”， “stack”， “fill”}

elment

直方图统计量的可视化表示形式。 仅与单变量数据相关。

{“bars”， “step”， “poly”}

seaborn.displot(data=None, *, x=None, y=None, hue=None, row=None, col=None, weights=None, kind='hist', rug=False, rug_kws=None, log_scale=None, legend=True, palette=None, hue_order=None, hue_norm=None, color=None, col_wrap=None, row_order=None, col_order=None, height=5, aspect=1, facet_kws=None, **kwargs)
row定义子集以在不同 facet 上绘制的变量。
col定义子集以在不同 facet 上绘制的变量。

2.1、常规直方图

sns.histplot(tips['total_bill'])

 

sns.displot(tips['total_bill'])

2.2、核密度估计

        核密度估计的作用是用来估计概率密度函数的，它可以用来描述随机变量的密度分布

sns.histplot(tips['total_bill'],kde=True)
sns.displot(tips['total_bill'], kde=True)

 

2.3、多变量直方图

multiple='layer' # 默认值，以层叠的形式展示
multiple='dodge' # 以并列的形式展示
multiple='stack' # 以堆叠的形式展示
multiple='fill' # 以百分比堆叠的形式展示
sns.histplot(x='total_bill', hue='sex', data=tips)

 

sns.histplot(x='total_bill', hue='sex', data=tips, multiple='stack')

 

sns.histplot(x='total_bill', hue='sex', data=tips, multiple='dodge')

 

sns.histplot(x='total_bill', hue='sex', data=tips, multiple='fill')

 

2.4、修改一些参数

sns.histplot(x='total_bill', data=tips, bins=20, color='skyblue', edgecolor='black', linewidth=1.2)
sns.displot(x='total_bill', data=tips, bins=20, color='skyblue', edgecolor='black', linewidth=1.2)

 

2.5、 累积直方图

sns.histplot(x='total_bill', data=tips, element='step')
sns.displot(x='total_bill', data=tips, element='step',col='time')

 

三、折线图

方法

  • lineplot方法 单独绘制折线图

  • relplot方法 绘制折线图、散点图

seaborn.lineplot(data=None, x=None, y=None, hue=None)
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
seaborn.relplot(data=None, *, x=None, y=None, hue=None, row=None, col=None kind='scatter')
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
row定义子集以在不同 facet 上绘制的变量。
col定义子集以在不同 facet 上绘制的变量。
kind要绘制的情节类型，对应于 seaborn 关系情节。 选项包括 或 。"scatter""line"
sns.lineplot(x=[1,2,3,4,5],y=[1,2,3,4,5])
sns.relplot(x=[1,2,3,4,5],y=[1,2,3,4,5],kind='line')

import seaborn as sns
# 示例数据
tips = pd.read_csv('tips.csv')  


sns.lineplot(x="day", y="total_bill", data=tips)
sns.relplot(x="day", y="total_bill", data=tips, kind='line')


# 多变量折线图
sns.lineplot(x="day", y="total_bill", data=tips,hue='time')
sns.relplot(x="day", y="total_bill", data=tips,hue='time',kind='line')


# 使用relplot绘制折线图
sns.relplot(x="day", y="total_bill", data=tips,
      kind='line',# 图像类型
      hue='sex',# 分类变量
      col='time') # 分图变量

 

四、散点图

方法

  • scatterplot方法 主要用于绘制两个数值变量之间的散点图

  • relplot方法 可以绘制多种类型的关系图，包括散点图

seaborn.scatterplot(data=None, x=None, y=None, hue=None)
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
seaborn.relplot(data=None, *, x=None, y=None, hue=None, row=None, col=None kind='scatter')
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
row定义子集以在不同 facet 上绘制的变量。
col定义子集以在不同 facet 上绘制的变量。
kind要绘制的情节类型，对应于 seaborn 关系情节。 选项包括 或 。"scatter""line"
import seaborn as sns


# 加载数据
tips=pd.read_csv('tips.csv')
# 常规散点图
sns.scatterplot(data=tips,x='total_bill', y='tip')
sns.relplot( data=tips, x='total_bill', y='tip',kind='scatter')
# 多组散点图
sns.scatterplot(data=tips,x='total_bill', y='tip', hue='smoker')
sns.relplot(data=tips,x='total_bill', y='tip', hue='smoker')
# 多变量散点图
sns.relplot(data=tips,x='total_bill', y='tip', hue='smoker',col='time')

 

五、分散散点图

方法

  • stripplot方法 利用抖动功能绘制分类散点图，以减少过度绘图

  • swarmplot方法 绘制分类散点图，并将点调整为不重叠

  • catplot方法 可以绘制以上2种图，并且可以分图

seaborn.stripplot(data=None, *, x=None, y=None, hue=None,dodge=False)
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
dodge当一个变量被赋值时，将其设置为 will 沿分类分隔不同色相级别的条带 轴并缩小分配给每个条带的空间量。否则 每个级别的点将绘制在同一条带中。
seaborn.swarmplot(data=None, *, x=None, y=None, hue=None,dodge=False)
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
dodge当一个变量被赋值时，将其设置为 will 沿分类分隔不同色相级别的条带 轴并缩小分配给每个条带的空间量。否则 每个级别的点将绘制在同一条带中。
seaborn.catplot(data=None, *, x=None, y=None, hue=None, row=None, col=None, kind='strip')
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
row定义子集以在不同 facet 上绘制的变量。
col定义子集以在不同 facet 上绘制的变量。
kind要绘制的绘图类型对应于分类的名称 轴级绘图功能。选项有： “strip”， “swarm”， “box”， “violin”， “boxen”、“point”、“bar” 或 “count”。
import seaborn as sns
import pandas as pd


tips=pd.read_csv('tips.csv')

sns.catplot(y="total_bill", x="day", data=tips,hue='sex',dodge=True,marker="D",col='smoker')


sns.swarmplot(y="total_bill", x="day", data=tips,hue='sex',marker="v")

 

sns.catplot(y="total_bill", x="day", data=tips,hue='sex',marker="v",col='smoker',kind='swarm')

六、盒图

方法

  • boxplot方法

  • catplot方法

seaborn.boxplot(data=None, *, x=None, y=None, hue=None,fill=True,width=0.8, gap=0,notch=False)
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
fill定义子集以在不同 facet 上绘制的变量。
gap箱体间隔
width箱体宽度
notch箱体是否缺口
seaborn.catplot(data=None, *, x=None, y=None, hue=None, row=None, col=None, kind='strip')
函数描述
data用于绘图的数据集。
x用于绘制长格式数据的输入。
y用于绘制长格式数据的输入。
hue用于绘制长格式数据的输入。对原有的属性进行更加细致的分组
row定义子集以在不同 facet 上绘制的变量。
col定义子集以在不同 facet 上绘制的变量。
kind要绘制的绘图类型对应于分类的名称 轴级绘图功能。选项有： “strip”， “swarm”， “box”， “violin”， “boxen”、“point”、“bar” 或 “count”。
import seaborn as sns
import pandas as pd


tips = pd.read_csv('tips.csv')


sns.boxplot(x="day", y="total_bill", data=tips,hue="smoker",
      fill=False, # 填充箱体,默认为True
      gap=0.1,  # 箱体间隔
      width=0.5, # 箱体宽度
      notch=True # 箱体是否缺口
       )

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

 

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2313555.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

加速科技Flex10K-L测试机：以硬核创新重塑显示驱动芯片测试新标杆！

加速科技Flex10K-L测试机：以硬核创新重塑显示驱动芯片测试新标杆！

在2024年召开的世界显示产业创新发展大会上，加速科技自主研发的高密度显示驱动芯片测试设备Flex10K-L凭借其突破性技术创新，成功入选"十大创新技术（产品）"。作为国内显示驱动芯片测试领域的标杆性设备，Flex1…
阅读更多...
linux-文本处理命令(echo,cut,sort,uniq,wc,tr,grep)

linux-文本处理命令(echo,cut,sort,uniq,wc,tr,grep)

echo 打印（标准输入输出命令） [rootlocalhost ~]# echo $HOSTNAME-----$引用变量 localhost [rootlocalhost ~]# echo "$HOSTNAME"----“”弱引用符（可以解释特殊含义的字符） localhost [rootlocalhost ~]# echo $HOSTN…
阅读更多...
spring-boot-starter和spring-boot-starter-web的关联

spring-boot-starter和spring-boot-starter-web的关联

maven的作用是方便jar包的管理，所以每一个依赖都是对应着相应的一个或者一些jar包，从网上看到很多对spring-boot-starter的描述就是“这是Spring Boot的核心启动器，包含了自动配置、日志和YAML。”没看太明白，所参与的项目上也一直…
阅读更多...
群晖DS223 Docker搭建为知笔记

群晖DS223 Docker搭建为知笔记

群晖DS223 Docker搭建为知笔记，打造你的专属知识宝库 一、引言 在数字化信息爆炸的时代，笔记软件成为了我们管理知识、记录灵感的得力助手。为知笔记，作为一款专注于工作笔记和团队协作的云笔记产品，以其丰富的功能和便捷的使用体…
阅读更多...
NLP文本分析之依存句法分析（理论及技术实践）

NLP文本分析之依存句法分析（理论及技术实践）

引言 在自然语言处理（NLP）领域中，理解句子的语法结构是实现语义理解的基础。依存句法分析（Dependency Parsing） 作为句法分析的核心任务之一，通过揭示句子中词语之间的依存关系，为机器翻译、信…
阅读更多...
Nginx（基础安装+配置文件）

Nginx（基础安装+配置文件）

目录 一.Nginx基础 1.基础知识点 2.异步非阻塞机制 二.Nginx安装 2.1安装nginx3种方式 1.包管理工具安装（yum/apt） 2.本地包安装（rpm/dpkg） 3.源码编译安装 3.1 源码编译安装nginx流程（ubuntu） 1.…
阅读更多...
uni-app+vue3学习随笔

uni-app+vue3学习随笔

目录相关 static文件 编译器会把static目录中的内容整体复制到最终编译包内， 非 static 目录下的文件（vue组件、js、css 等）只有被引用时，才会被打包编译。 css、less/scss 等资源不要放在 static 目录下，建议这些…
阅读更多...
prompt大师高效提示词解析

prompt大师高效提示词解析

Prompt大师李继刚高效提示词示例解析 一、「汉语新解」提示词 核心结构 采用Lisp语言框架嵌套中文语义，通过(defun 新汉语老师 ()...)定义角色风格（融合奥斯卡王尔德、鲁迅的批判性语言），用(隐喻 (一针见血...))构建解释逻辑链。…
阅读更多...
QT系列教程(18) MVC结构之QItemSelectionModel模型介绍

QT系列教程(18) MVC结构之QItemSelectionModel模型介绍

视频教程 https://www.bilibili.com/video/BV1FP4y1z75U/?vd_source8be9e83424c2ed2c9b2a3ed1d01385e9 QItemSelectionModel Qt的MVC结构支持多个View共享同一个model，包括该model的选中状态等。我们可以通过设置QItemSelectionModel，来更改View的选…
阅读更多...
【Java面试题汇总】Java面试100道最新合集！

【Java面试题汇总】Java面试100道最新合集！

1.说说你对面向对象的理解 得分点 封装,继承,多态、概念、实现方式和优缺点 面向对象的三大基本特征是：封装、继承、多态。 封装：将对象的状态和行为包装在一个类中并对外界隐藏实现的细节，可以通过访问修饰符控制成员的访问权限&#xff0c…
阅读更多...
Vue 实现智能检测文字是否溢出，溢出显示省略号，鼠标悬浮显示全部【附封装组件完整代码+详细注释+粘贴即食】

Vue 实现智能检测文字是否溢出，溢出显示省略号，鼠标悬浮显示全部【附封装组件完整代码+详细注释+粘贴即食】

一、场景需求 在项目中，经常会遇到文本内容超出容器的情况。为了提高用户体验，我希望在文字溢出时显示悬浮提示，未溢出时则不显示。 二、效果演示 三、实现原理 DOM宽度对比法：通过比较元素的scrollWidth（实际内容宽…
阅读更多...
51c大模型~合集10

51c大模型~合集10

我自己的原文哦~ https://blog.51cto.com/whaosoft/11547799 #Llama 3.1 美国太平洋时间 7 月 23 日，Meta 公司发布了其最新的 AI 模型 Llama 3.1，这是一个里程碑时刻。Llama 3.1 的发布让我们看到了开源 LLM 有与闭源 LLM 一较高下的能力。 Meta …
阅读更多...
关于C/C++语言的初学者在哪刷题，怎么刷题

关于C/C++语言的初学者在哪刷题，怎么刷题

引言： 这篇博客主要是针对初学者关于怎么在网上刷题，以及在哪里刷题。 1.介绍平台（在哪刷题）： 1.牛客牛客网https://www.nowcoder.com/ ：有许多面试题，也有许多供学习者练习的题 2.洛谷洛谷 …
阅读更多...
AI自动化编程初探

AI自动化编程初探

先说vscodeclinemodelscope方案，后面体验trae或者cursor再写写其它的。vscode和trae方案目前来说是免费的，cursor要用claud需要付费，而且不便宜，当然效果可能是最好的。 vscode方案，我的经验是最好在ubuntu上&#xff…
阅读更多...
《人月神话》：软件工程的成本寓言与生存法则

《人月神话》：软件工程的成本寓言与生存法则

1975年，Fred Brooks在《人月神话》中写下那句振聋发聩的断言——“向进度落后的项目增加人力，只会让进度更加落后”——时，他或许未曾料到，这一观点会在半个世纪后的人工智能与云原生时代，依然如达摩克利斯之剑般悬在每…
阅读更多...
深入理解Java中的static关键字及其内存原理

深入理解Java中的static关键字及其内存原理

static是Java中实现类级共享资源的核心修饰符，它突破了对象实例化的限制，使得变量和方法能够直接与类本身绑定。这种特性让static成为构建工具类、全局配置等场景的利器，但同时也带来独特的内存管理机制需要开发者关注。 static修饰成员变量…
阅读更多...
20250310-组件基础2

20250310-组件基础2

通过插槽来分配内容 一些情况下我们会希望能和 HTML 元素一样向组件中传递内容&#xff1a; <AlertBox>传入的内容 </AlertBox> 我们期望能渲染成这样&#xff1a; 这可以通过 Vue 的自定义 <slot> 元素来实现&#xff1a; <template><div clas…
阅读更多...
Fedora41安装MySQL8.4.4

Fedora41安装MySQL8.4.4

Fedora41安装MySQL8.4.4 Fedora41用yum仓库安装MySQL8.4.4 笔记250310下载安装启动mysqld服务查看生成的初始密码 , 用初始密码登录登录后,必须修改初始密码才能执行其它操作可选设置降低密码强度要求, 使用简单密码降低 validate_password 组件对密码强度的要求 用SET GLOBAL命…
阅读更多...
基于YOLO11深度学习的运动品牌LOGO检测与识别系统【python源码+Pyqt5界面+数据集+训练代码】

基于YOLO11深度学习的运动品牌LOGO检测与识别系统【python源码+Pyqt5界面+数据集+训练代码】

《------往期经典推荐------》 一、AI应用软件开发实战专栏【链接】 项目名称项目名称1.【人脸识别与管理系统开发】2.【车牌识别与自动收费管理系统开发】3.【手势识别系统开发】4.【人脸面部活体检测系统开发】5.【图片风格快速迁移软件开发】6.【人脸表表情识别系统】7.【…
阅读更多...
java BCC异或校验例子

java BCC异或校验例子

需求 对一个十六进制的字符串进行BCC校验 方法 private static String XORCheck(String rawMsg) {// 16进制字符串需要转成10进制数组进行校验&#xff0c;然后再返回16进制字符串用于与原来的字符匹配byte[] bytes HexDumpMsgFormat.hexStr2DesBytes(rawMsg);return BytesUt…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023