Python----数据可视化（Seaborn二：绘图一）

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 pdtips=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 pdtips = 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Truegap=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")