微信公眾號:「Python讀財」
如有問題或建議,請公眾號留言
Seaborn是基于matplotlib的Python可視化庫。 它提供了一個高級界面來繪制有吸引力的統計圖形。Seaborn其實是在matplotlib的基礎上進行了更高級的API封裝,從而使得作圖更加容易,不需要經過大量的調整就能使你的圖變得精致。
注:所有代碼均在IPython notebook中實現
boxplot
箱形圖(Box-plot)又稱為盒須圖、盒式圖或箱線圖,是一種用作顯示一組數據分散情況資料的統計圖。它能顯示出一組數據的最大值、最小值、中位數及上下四分位數。因形狀如箱子而得名。在各種領域也經常被使用,常見于品質管理。圖解如下:
接下來我們介紹Seaborn中的箱型圖的具體實現方法,這是boxplot的API:
seaborn.boxplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=0.75, width=0.8, dodge=True, fliersize=5, linewidth=None, whis=1.5, notch=False, ax=None, **kwargs)
我們從具體的實例出發
%matplotlib inline
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
plt.rc("font",family="SimHei",size="15") ?#解決中文亂碼問題
復制代碼
本文所使用的數據集是鳶尾花卉數據集
data.head(6)
復制代碼
x,y:dataframe中的列名(str)或者矢量數據
data:dataframe或者數組
sns.boxplot(x=data["pw"],data=data)
復制代碼
**palette:**調色板,控制圖像的色調
fig,axes=plt.subplots(1,2,sharey=True)
sns.boxplot(x="catagory",y="pw",data=data,ax=axes[0]) #左圖
sns.boxplot(x="catagory",y="pw",data=data,palette="Set3",ax=axes[1]) #右圖
復制代碼
hue(str):dataframe的列名,按照列名中的值分類形成分類的條形圖
sns.boxplot(x="color",y="pl",data=data,hue="catagory",palette="Set3")
復制代碼
order, hue_order?(lists of strings):用于控制條形圖的順序
sns.boxplot(x="catagory",y="pw",data=data,palette="Set3",order=[2,1,0])
復制代碼
orient:"v"|"h" 用于控制圖像使水平還是豎直顯示(這通常是從輸入變量的dtype推斷出來的,此參數一般當不傳入x、y,只傳入data的時候使用)
fig,axes=plt.subplots(2,1)
sns.boxplot(data=data,orient="v",palette="Set3",ax=axes[0]) ?#豎直顯示
sns.boxplot(data=data,orient="h",palette="Set3",ax=axes[1]) ?#水平顯示
復制代碼
fliersize:float,用于指示離群值觀察的標記大小
fig,axes=plt.subplots(1,2)
sns.boxplot(x="color",y="pl",data=data,ax=axes[0]) #fliersize默認為5
sns.boxplot(x="color",y="pl",data=data,fliersize=20,ax=axes[1])
復制代碼
whis: 確定離群值的上下界(IQR超過低和高四分位數的比例),此范圍之外的點將被識別為異常值。IQR指的是上下四分位的差值。
fig,axes=plt.subplots(1,2)
sns.boxplot(x="color",y="pl",data=data,whis=1,ax=axes[0]) ?#左圖
sns.boxplot(x="color",y="pl",data=data,whis=2,ax=axes[1]) ?#右圖
復制代碼
width: float,控制箱型圖的寬度
fig,axes=plt.subplots(1,2)
sns.boxplot(x="color",y="pl",data=data,width=0.3,ax=axes[0]) ?#左圖
sns.boxplot(x="color",y="pl",data=data,width=0.8,ax=axes[1]) ?#右圖
復制代碼
violinplot
violinplot與boxplot扮演類似的角色,它顯示了定量數據在一個(或多個)分類變量的多個層次上的分布,這些分布可以進行比較。不像箱形圖中所有繪圖組件都對應于實際數據點,小提琴繪圖以基礎分布的核密度估計為特征。具體用法如下:
seaborn.violinplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, bw='scott', cut=2, scale='area', scale_hue=True, gridsize=100, width=0.8, inner='box', split=False, dodge=True, orient=None, linewidth=None, color=None, palette=None, saturation=0.75, ax=None, **kwargs)
實例所用的數據集如下:
data.head(6)
復制代碼
在這里就不再介紹x,y,hue,data,order,hue_order,palette 參數的用法,這些參數的用法和之前介紹的圖形的用法是一樣的,如有需要可以查看之前的內容。
先來畫一個小提琴圖:
sns.violinplot(x="gender",y="age",data=data)
復制代碼
split: 將split設置為true則繪制分拆的violinplot以比較經過hue拆分后的兩個量:
fig,axes=plt.subplots(2,1)
ax=sns.violinplot(x="color",y="age",data=data,hue="smoker",split=True,ax=axes[0]) #上圖,拆分后的圖
ax=sns.violinplot(x="color",y="age",data=data,hue="smoker",ax=axes[1]) ?#下圖
復制代碼
scale_hue:bool,當使用色調變量(hue參數)嵌套小提琴時,此參數確定縮放是在主要分組變量(scale_hue = true)的每個級別內還是在圖上的所有小提琴(scale_hue = false)內計算出來的。
fig,axes=plt.subplots(2,1)
ax=sns.violinplot(x="color",y="age",data=data,hue="smoker",split=True,scale_hue=False,ax=axes[0]) #上圖
ax=sns.violinplot(x="color",y="age",data=data,hue="smoker",split=True,scale_hue=True,ax=axes[1]) ?#下圖
復制代碼
orient:"v"|"h" 用于控制圖像使水平還是豎直顯示(這通常是從輸入變量的dtype推斷出來的,此參數一般當不傳入x、y,只傳入data的時候使用)
fig,axes=plt.subplots(2,1)
sns.violinplot(data=data[["height","weight","age"]],orient="v",ax=axes[0]) #上圖
sns.violinplot(data=data[["height","weight","age"]],orient="h",ax=axes[1]) #下圖
復制代碼
inner:控制violinplot內部數據點的表示,有'box','quartile','point','stick'四種方式。
fig,axes=plt.subplots(2,2)
sns.violinplot(x="color",y="age",data=data,inner="box",ax=axes[0,0]) ?#鋼琴圖內顯示箱型圖(左上)
sns.violinplot(x="color",y="age",data=data,inner="quartile",ax=axes[0,1]) ?#鋼琴圖內顯示四分位數線(右上)
sns.violinplot(x="color",y="age",data=data,inner="point",ax=axes[1,0]) ?#鋼琴圖內顯示具體數據點(左下)
sns.violinplot(x="color",y="age",data=data,inner="stick",ax=axes[1,1]) ?#鋼琴圖內顯示具體數據棒(右下)
復制代碼
scale: 該參數用于縮放每把小提琴的寬度,有'area','count','width'三種方式
fig,axes=plt.subplots(3,1)
sns.violinplot(x="color",y="age",data=data,scale="area",ax=axes[0]) #如果為"area",每把小提琴將有相同的面積(上圖)
sns.violinplot(x="color",y="age",data=data,scale="count",ax=axes[1]) ?#如果為"count",小提琴的寬度將根據該小組中觀察的數量來縮放(中圖)
sns.violinplot(x="color",y="age",data=data,scale="width",ax=axes[2]) ?#如果為"age",每把小提琴將有相同的寬度(下圖)
復制代碼
cut: float,距離,以帶寬大小為單位,以控制小提琴圖外殼延伸超過內部極端數據點的密度。設置為0以將小提琴范圍限制在觀察數據的范圍內(即,在ggplot中具有與trim = true相同的效果)
fig,axes=plt.subplots(2,1)
sns.violinplot(x="age",y="gender",data=data,ax=axes[0]) #上圖
sns.violinplot(x="age",y="gender",data=data,cut=0,ax=axes[1]) ?#下圖
復制代碼
width: float,控制鋼琴圖的寬度(比例)
fig,axes=plt.subplots(2,1)
sns.violinplot(x="color",y="age",data=data,ax=axes[0],width=0.5) ?#上圖
sns.violinplot(x="color",y="age",data=data,ax=axes[1],width=0.9) ?#下圖
復制代碼
這已經是Seaborn入門系列的第三篇文章了,相信大家已經大概了解Seaborn的作圖過程,也可以體會到用Seaborn作圖相比于matplotlib更加簡單。以上內容是我結合官方文檔和自己的一點理解寫成的,有什么錯誤大家可以指出來并提提意見,共同交流、進步,也希望我寫的這些能夠給閱讀完本文的你或或少的幫助!
關注我的公眾號 「Python讀財」,后臺回復「py」即可獲取Python學習資源禮包,還有Python學習交流群哦!
版权声明:本站所有资料均为网友推荐收集整理而来,仅供学习和研究交流使用。
工作时间:8:00-18:00
客服电话
电子邮件
admin@qq.com
扫码二维码
获取最新动态