软件应用丨Seaborn简单画图：（一）

版权声明：本文为CSDN博主「向前走别回头」的原创文章合辑，遵循 CC 4.0 BY-SA 版权协议，特此附上原文出处链接及本声明。

原文链接：

https://blog.csdn.net/weixin_39778570/article/details/81145721

https://blog.csdn.net/weixin_39778570/article/details/81145868

散点图

import pandas as pd
import numpy as np
from pandas import Series, DataFrame
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

左右滑动查看更多

# 打开一个花瓣长宽数据文件
f = open('iris.csv')
iris = pd.read_csv(f)
iris.head()


SepalLength SepalWidth  PetalLength PetalWidth  Name
0   5.1 3.5 1.4 0.2 Iris-setosa
1   4.9 3.0 1.4 0.2 Iris-setosa
2   4.7 3.2 1.3 0.2 Iris-setosa
3   4.6 3.1 1.5 0.2 Iris-setosa
4   5.0 3.6 1.4 0.2 Iris-setosa

左右滑动查看更多

# 绘制的颜色字典,zip传入俩个列表
iris.Name.unique()
array(['Iris-setosa', 'Iris-versicolor', 'Iris-virginica'], dtype=object)
color_map = dict(zip(iris.Name.unique(), ['blue','green','red']))

左右滑动查看更多

使用matplot

for species, group in iris.groupby('Name'):
    plt.scatter(group['PetalLength'], group['SepalLength'],
               color=color_map[species],
               alpha=0.3,edgecolor=None,
               label=species)
plt.legend(frameon=True, title='Name')
plt.xlabel('PetalLength')
plt.ylabel('SepalLength')

左右滑动查看更多

使用Seaborn

sns.lmplot('PetalLength','SepalLength',iris,hue='Name', fit_reg=False)

左右滑动查看更多

直方图和密度图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pandas import Series, DataFrame
%matplotlib inline
import seaborn as sns

左右滑动查看更多

# 使用matplotlib
s1 = Series(np.random.randn(1000))  
plt.hist(s1)
(array([   6.,   33.,   98.,  154.,  230.,  218.,  163.,   61.,   29.,    8.]),
 array([-2.96113056, -2.35197999, -1.74282942, -1.13367884, -0.52452827,
         0.08462231,  0.69377288,  1.30292346,  1.91207403,  2.52122461,
         3.13037518]),
 <a list of 10 Patch objects>)

左右滑动查看更多

![这里写图片描述](https://img-blog.csdn.net/20180721160403550?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTc3ODU3MA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)

左右滑动查看更多

s1.plot(kind='kde')
<matplotlib.axes._subplots.AxesSubplot at 0x277853b9a20>

左右滑动查看更多

Seaborn

# 同时绘制密度图和直方图
sns.distplot(s1, hist=True, kde=True)
<matplotlib.axes._subplots.AxesSubplot at 0x277853b9a20>

左右滑动查看更多

sns.distplot(s1, hist=True, kde=False, rug=True)
<matplotlib.axes._subplots.AxesSubplot at 0x277859199e8>

左右滑动查看更多

sns.distplot(s1, bins=20, hist=True, kde=False, rug=True, color='k')

左右滑动查看更多

# 绘制密度图的另一种方法，shada阴影填充
sns.kdeplot(s1, shade=True, color='r')

左右滑动查看更多

·END·

点击阅读原文，进入新型农业经营主体大数据库

点击搜索你感兴趣的内容吧

数据Seminar

这里是大数据、分析技术与学术研究的三叉路口

出处：CSDN作者：向前走别回头推荐：青酱排版编辑：青酱 


    欢迎扫描👇二维码添加关注    

点击阅读原文，获得更多精彩内容！