Python--Seaborn绘图和可视化--基本语法

2018-06-18 02:53:07来源:未知 阅读 ()

新老客户大回馈,云服务器低至5折

  博客地址:http://www.cnblogs.com/yudanqu/

 

 

  Seaborn是对matplotlib的extend,是一个数据可视化库,提供更高级的API封装,在应用中更加的方便灵活。下面我简单介绍一下他的用法,实际应用的时候,可以直接从文档中查找这个库,这时候使用就很快捷了。

 

提要:1、直方图和密度图

   2、柱状图和热力图

   3、设置图形显示效果

   4、调色功能

 

  老样子,首先将使用它所需要的库导入进来,当然,其中包括numpy之类的是为了演示它的功能才导入的,大家要先理解一下每个库的作用。

1 import numpy as np
2 import pandas as pd
3 import matplotlib.pyplot as plt
4 from pandas import Series,DataFrame
5 import seaborn as sns

1、直方图和密度图

  如果在交互式环境中,可以通过%matplotlab来解决每次通过plt.show()来显示图像(本人在ipython中,貌似jupyter中%matplotlib inline等等)

# matplotlib

1 s1 = Series(np.random.randn(1000)) # 生成1000个点的符合正态分布的随机数
2 plt.hist(s1) # 直方图,也可以通过plot(),修改里面kind参数实现
3 s1.plot(kind='kde') # 密度图

# seaborn

1 sns.distplot(s1,hist=True,kde=True,rug=True) # 前两个默认就是True,rug是在最下方显示出频率情况,默认为False
2 # bins=20 表示等分为20份的效果,同样有label等等参数
3 sns.kdeplot(s1,shade=True,color='r') # shade表示线下颜色为阴影,color表示颜色是红色
4 sns.rugplot(s1) # 在下方画出频率情况

  给出两种方式通过最基本的方式画出来的效果,怎么样,是不是发现seaborn很强大。

2、柱状图和热力图

  (1)下载实验数据:

1 df = sns.load_dataset('flights') # 在线下载一个数据用于实验,在sns.load_dataset()函数里有很多的数据,想了解更多的可以到GitHub中找到源码,你就会很清楚了

  我们可以先看一下里面的数据,可以看到,这是一个航空的数据,里面有年、月和乘客数量,接下来我们就要在这份数据上进行分析。

  (2)我们可以通过透视表来先对这份数据进行一下处理:

1 df = df.pivot(index='month',columns='year',values='passengers') # 生成一个透视表,得到一个以年、月为轴的二维数据表

  大家可以自己试一下,这样生成的结果是以年为columns,以月为index,表内数据为对应的乘客数量。

  (3)绘制柱状图

1 s = df.sum()
2 # 通过matplotlib绘出图形
3 s.plot(kind='bar')
4 # 通过seaborn绘出图形
5 sns.barplot(x=s.index,y=s.values)

  

  (4)绘制热力图

1 df.plot() # 线性的显示数据情况
2 sns.heatmap(df) # 生成热力图
3 # sns.heatmap(df,annot=True,fmt='d') # annot参数是指显示数据,fmt='d'是指以整数形式显示

3、设置图形显示效果

(1)axes_style and set_style

1 x = np.linspace(0,14,100)
2 y1 = np.sin(x)
3 y2 = np.sin(x+2)*1.25
4 def sinplot():
5     plt.plot(x,y1)
6     plt.plot(x,y2)
7 
8 sinplot() # 以matplotlib显示,生成两个函数图像

1 # seaborn的5种装饰风格
2 styles = ['darkgrid','dark','white','whitegrid','tricks'] # 颜色代表背景颜色,grid代表是否有网格
3 sns.set_style(style[0]) # 进行装饰,括号内可以直接写装饰风格
4 sinplot() # 经过修饰之后的图像
5 
6 sns.axes_style() # 显示当前主题的内容,这些数据都可以修改微调
7 # 更改的时候就将其信息的以字典形式复制到set_style()里,当做参数来修改(注意是以字典的形式)
8 sns.set() # 设置风格为空,即清空自己定义的,恢复到默认的时候

(2)plotting_context() and set_context()

1 context = ['paper','notebook','talk','poster'] # seaborn本身定义好的
2 sns.set_context('paper',rc={'grid.linewidth':3.0}) # rc参数
3 sinplot()
4 
5 sns.plotting_context() # 显示出当前状态的数据
6 sns.set() # 恢复到默认

  图像貌似一样,但并不是没有成功,只是变化比较细微,真正用到的时候就可以体会到了。

4、调色功能

1 # 先绘制一个图像
2 def sinplot1():
3     x = np.linspace(0,14,100)
4     plt.figure(figsize=(8,6)) # 图像比较小时,通过这个函数更改大小
5     for i in range(4):
6       plt.plot(x,np.sin(x+i)*(i+0.75),label='sin(x+%s)*(%s+0.75)' % (i,i))
7     plt.legend()
8 sinplot1()

1 # 引入seaborn
2 sns.color_palette() # 使用调色板
3 # 不传入参数返回当前使用的调色板(RGB)
4 sns.palplot(sns.color_palette()) # 画出调色板,参数为上面的调色板
  • 接下来,我们就要调整我们的调色板了
1 pal.style = ['deep','nuted','pastel','bright','dark','colorblind'] # seaborn默认定义的调色板
2 
3 # 第一种设置画板方式
4 sns.set_palette(sns.color_palette('dark')) # 设置色板
5 sns.set() # 恢复默认风格
6 
7 # 第二种设置画板方式,并且最后恢复到默认
8 with sns.color_palette():
9     sinplot1() # 在内部调整画板输出图形,当with结束时,则恢复默认
  • 调色板里的颜色是定义好的,那么如果我们将要绘制的图形包括很多的函数,需要更多的颜色,该怎么办呢。
1 # 默认提供的色板数量是固定的,如果图像是更多的函数,那么颜色将循环色板中的风格。如果想不使他颜色有相同,可以通过sns.color_palette()来修改
2 sns.color_palette([(0.5,0.2,0.6),(0.3,0.3,0.4)]) # 因为色板是以列表的形式存储的,里面的每种风格以元组的形式存在所以需要用[()]
3 
4 # 第二种增加色板颜色的方法
5 sns.color_palette('hls',8) # hls方法,后面写参数8,即生成有8种不同颜色的色板

 

  作者:渔单渠(yudanqu)

  博客地址:http://www.cnblogs.com/yudanqu/

标签:

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有

上一篇:python new和init知识点

下一篇:解决matplotlib库在PyCharm和命令行都无法正常显示问题