日日操夜夜添-日日操影院-日日草夜夜操-日日干干-精品一区二区三区波多野结衣-精品一区二区三区高清免费不卡

公告：魔扣目錄網為廣大站長提供免費收錄網站服務，提交前請做好本站友鏈：【 網站目錄：http://www.ylptlb.cn 】， 免友鏈快審服務（50元/站），

點擊這里在線咨詢客服
新站提交
  • 網站：51998
  • 待審：31
  • 小程序：12
  • 文章：1030137
  • 會員：747

一個強大的python庫??！

發布時間：2023-09-30 21:06:04 作者：網友整理

核心點：seaborn，更高級、更便捷、更美觀！

 

哈嘍，大家好，我是cos大壯！
今天給大家帶來的是關于seaborn的一些介紹！
seaborn建立在 Matplotlib 的基礎上的，提供了更高級、更美觀、更易用的接口，用于創建各種統計圖表和信息可視化！
 
Seaborn 的可視化無論是從視覺感官上還是操作上，都是相對來說比較高級，真心好用的那種！
聊聊關于 Seaborn 的一些主要特點，有利于后續的使用：
1、高級接口：Seaborn 提供了一組高級函數和方法，可以使得創建常見的統計圖表變得簡單，例如散點圖、線性回歸圖、箱線圖、直方圖、核密度估計圖、熱圖等等。無需像 Matplotlib 一樣寫大量的代碼；
2、內置數據集：Seaborn 包含了一些內置的示例數據集，這些數據集可以用于練習和演示。這些數據集通常與示例圖表一起使用，以幫助用戶更好地理解如何使用 Seaborn 創建可視化。
3、統計圖表：Seaborn 支持許多常用的統計圖表類型，如散點圖、折線圖、條形圖、箱線圖、熱圖、小提琴圖、分類散點圖、成對關系圖等。這些圖表可以用于分析數據的分布、趨勢、關系等方面。
4、配色方案：Seaborn 提供了一組美觀的默認配色方案，使圖表更具吸引力。此外，還可以輕松自定義配色方案，以滿足特定需求。
5、高級統計功能：Seaborn 提供了用于繪制統計摘要信息的函數，例如回歸線、置信區間、誤差棒圖等。這些功能有助于更深入地理解數據。
6、對 Pandas 數據框的支持：Seaborn 可以與 Pandas 數據框無縫集成，使數據的導入、轉換和可視化變得更加方便。
7、主題和風格：Seaborn 允許用戶選擇不同的圖表主題和樣式，以滿足不同的審美和出版需求。
今天會舉一些案例，那么涉及到哪幾類圖表呢？有...有有這些~

  • catplot

  • violinplot

  • histplot

  • jointplot

  • heatmap

  • lineplot

  • stripplot

  • boxplot

  • pAIrplot

喜歡的朋友，無論是數據分析師、機器學習者、數據計算的朋友，都可以關注一下！
未來會帶來更多有趣、實用的案例！
 

安裝起來

安裝其實非常簡單， 利用pip即可！

 
pip install seaborn
導入，使用起來。

 
import seaborn as sns
然后，咱們還利用iris數據集進行圖表的展示。
有需要數據集的朋友，可以通過后臺回復“數據集”進行獲??！

catplot

使用sns.catplot函數，并將kind參數設置為"bar"。
繪制 Iris 數據集中不同物種的花瓣長度（petal_length）：

 
import seaborn as sns
import matplotlib.pyplot as plt

# 加載Iris數據集
iris = sns.load_dataset("iris")

# 創建catplot并繪制barplots
sns.catplot(x="species", y="petal_length", data=iris, kind="bar")
plt.xlabel("Species")
plt.ylabel("Petal Length")
plt.title("Barplots of Petal Length by Species")
plt.show()
創建的 catplot 圖，x軸表示不同的物種（species），y軸表示花瓣長度（petal_length），并繪制了各個物種的平均花瓣長度的barplots。
可以根據需要修改x和y參數以及其他圖形屬性。
 

violinplot

使用sns.violinplot函數。
下面是一個示例代碼，演示了如何繪制Iris數據集中各個物種的萼片長度（sepal_length）的violinplot：

 
import seaborn as sns
import matplotlib.pyplot as plt

# 加載Iris數據集
iris = sns.load_dataset("iris")

# 創建violinplot
sns.violinplot(x="species", y="sepal_length", data=iris)
plt.title("Violin Plot of Sepal Length by Species")
plt.xlabel("Species")
plt.ylabel("Sepal Length")
plt.show()
其中x軸表示不同的物種（species），y軸表示萼片長度（sepal_length）。
violinplot顯示了每個物種的分布情況，包括分布的形狀和密度。

 

histplot

使用sns.histplot函數。
下面的代碼演示了如何繪制Iris數據集中不同物種的萼片長度（sepal_length）的直方圖：

 
import seaborn as sns
import matplotlib.pyplot as plt

# 加載Iris數據集
iris = sns.load_dataset("iris")

# 創建histplot
sns.histplot(data=iris, x="sepal_length", hue="species", bins=10, kde=True)
plt.title("Histogram of Sepal Length by Species")
plt.xlabel("Sepal Length")
plt.ylabel("Frequency")
plt.legend(title="Species")
plt.show()
其中 x 軸表示萼片長度（sepal_length），y 軸表示頻率（出現次數）。
不同物種的數據會以不同的顏色進行區分，可以看到它們的分布情況。
bins參數控制直方圖的箱子數量，kde=True添加了核密度估計曲線以平滑顯示分布情況。
 

jointplot

使用sns.jointplot函數。
下面是演示如何繪制Iris數據集中兩個特征（sepal_length和sepal_width）的聯合分布圖：

 
import seaborn as sns
import matplotlib.pyplot as plt

# 加載Iris數據集
iris = sns.load_dataset("iris")

# 創建jointplot
sns.jointplot(data=iris, x="sepal_length", y="sepal_width", kind="scatter")
plt.xlabel("Sepal Length")
plt.ylabel("Sepal Width")
plt.show()
x 軸表示萼片長度（sepal_length），y 軸表示萼片寬度（sepal_width）。
可以使用kind參數來指定不同類型的jointplot，例如"scatter"（散點圖）或"kde"（雙變量核密度估計圖），顯示兩個變量之間的關系。
 

heatmap

使用sns.heatmap函數。
通常，heatmap 用于可視化矩陣數據中各個元素的相對大小。
以下演示如何繪制Iris數據集中各個數值特征的相關性熱圖：

 
import seaborn as sns
import matplotlib.pyplot as plt

# 加載Iris數據集
iris = sns.load_dataset("iris")

# 計算相關性矩陣
correlation_matrix = iris.corr()

# 創建熱圖
sns.heatmap(correlation_matrix, annot=True, cmap="coolwarm", linewidths=0.5)
plt.title("Correlation Heatmap of Iris Dataset")
plt.show()
上面代碼中，首先使用corr()函數計算了Iris數據集中數值特征之間的相關性矩陣。
然后，使用sns.heatmap來繪制相關性熱圖，其中annot=True表示在熱圖中顯示數值標簽，cmap參數用于指定顏色地圖，linewidths參數用于指定單元格之間的邊框寬度。
下圖可視化各個特征之間的相關性程度。

lineplot

使用sns.lineplot函數。
通常，lineplot用于顯示兩個連續變量之間的趨勢或關系。
下面代碼演示繪制Iris數據集中某兩個數值特征之間的線圖：

 
import seaborn as sns
import matplotlib.pyplot as plt

# 加載Iris數據集
iris = sns.load_dataset("iris")

# 創建lineplot
sns.lineplot(data=iris, x="sepal_length", y="sepal_width", hue="species")
plt.xlabel("Sepal Length")
plt.ylabel("Sepal Width")
plt.title("Line Plot of Sepal Length vs. Sepal Width by Species")
plt.show()
示例繪制了萼片長度（sepal_length）與萼片寬度（sepal_width）之間的線圖，并使用hue參數將數據按物種分組以在同一圖中顯示不同物種的趨勢。
 

stripplot

使用sns.stripplot函數。
stripplot通常用于顯示類別數據和數值數據之間的關系，通過散點圖展示每個數據點的分布。
下面代碼演示繪制Iris數據集中不同物種的萼片長度（sepal_length）的stripplot：

 
import seaborn as sns
import matplotlib.pyplot as plt

# 加載Iris數據集
iris = sns.load_dataset("iris")

# 創建stripplot
sns.stripplot(x="species", y="sepal_length", data=iris)
plt.xlabel("Species")
plt.ylabel("Sepal Length")
plt.title("Strip Plot of Sepal Length by Species")
plt.show()
創建的 stripplot 圖，x軸表示不同的物種（species），y軸表示萼片長度（sepal_length）。
每個數據點用散點表示，展示了不同物種之間的分布情況。

boxplot

使用sns.boxplot函數。
boxplot通常用于可視化數據的分布和離群值。
下面代碼演示繪制Iris數據集中不同物種的萼片長度（sepal_length）的boxplot：

 
import seaborn as sns
import matplotlib.pyplot as plt

# 加載Iris數據集
iris = sns.load_dataset("iris")

# 創建boxplot
sns.boxplot(x="species", y="sepal_length", data=iris)
plt.xlabel("Species")
plt.ylabel("Sepal Length")
plt.title("Box Plot of Sepal Length by Species")
plt.show()
創建的 boxplot 圖，x軸表示不同的物種（species），y軸表示萼片長度（sepal_length）。
boxplot圖展示了每個物種的萼片長度分布，包括中位數、四分位數和離群值。

pairplot

使用sns.pairplot函數。
pairplot用于可視化數據集中多個數值特征之間的關系。
代碼演示繪制Iris數據集中的pairplot圖：

 
import seaborn as sns
import matplotlib.pyplot as plt

# 加載Iris數據集
iris = sns.load_dataset("iris")

# 創建pairplot
sns.pairplot(iris, hue="species")
plt.show()
這將創建一個包含所有數值特征的 pairplot 圖，其中不同物種的數據用不同的顏色進行區分（使用hue="species"）。
pairplot 圖在數據集中的每對特征之間繪制散點圖，對角線上繪制直方圖或核密度估計圖。
 
 

最后

今天介紹了 seaborn 的一些核心的使用方式。
另外，更多可視化展現方式以及使用技巧可以從官方文檔獲取以及實戰中領略！
喜歡的朋友可以收藏、點贊、轉發起來！
關注本號，帶來更多干貨實例，提升工作學習效率！

分享到：
標簽：python
用戶無頭像

網友整理

注冊時間：

網站：5 個   小程序：0 個  文章：12 篇

  • 51998

    網站

  • 12

    小程序

  • 1030137

    文章

  • 747

    會員

趕快注冊賬號，推廣您的網站吧！
最新入駐小程序

數獨大挑戰2018-06-03

數獨一種數學游戲，玩家需要根據9

答題星2018-06-03

您可以通過答題星輕松地創建試卷

全階人生考試2018-06-03

各種考試題，題庫，初中，高中，大學四六

運動步數有氧達人2018-06-03

記錄運動步數，積累氧氣值。還可偷

每日養生app2018-06-03

每日養生,天天健康

體育訓練成績評定2018-06-03

通用課目體育訓練成績評定