搜文章
推荐 原创 视频 Java开发 iOS开发 前端开发 JavaScript开发 Android开发 PHP开发 数据库 开发工具 Python开发 Kotlin开发 Ruby开发 .NET开发 服务器运维 开放平台 架构师 大数据 云计算 人工智能 开发语言 其它开发
Lambda在线 > 老坛学Python > 统计关系的数据可视化(二)

统计关系的数据可视化(二)

老坛学Python 2020-02-05


今日主题:seaborn库中可视化数据关系的实践操作,请relplot()上台表演。




 数据可视化的意义


每一天我们都会获得到各种各样的数据,为了问题的解决,我们需要适当的做一些数据的分析,其中最直观的方式就是绘图,通过将数据转变为图表,我们能发现一些趋势,找到数据之间相互关系,从而制定合理的方案进行问题的解决。下面我们依次耍耍scatterplot()、lineplot()和relplot()这三个函数。



  库导入与数据准备



玩耍中使用的是iris数据集,这个数据集一共有5个变量,分别是sepal_length(花萼长度)、sepal_width(花萼宽度)、petal_length(花瓣长度)、petal_width(花瓣宽度)、species(花种类)


import seaborn as snsimport matplotlib.pyplot as pltimport pandas as pd
iris = pd.read_csv('iris.csv', encoding='utf8')


统计关系的数据可视化(二)

前面两步就用复制粘贴带过了。

下面直接进入正题。


 relplot()



这个函数的初始化需要传入这些参数:

seaborn.relplot(x=None, y=None, hue=None, size=None, style=None,                 data=None, row=None, col=None, col_wrap=None, row_order=None                col_order=None, palette=None, hue_order=None, hue_norm=None                sizes=None, size_order=None, size_norm=None, markers=None                dashes=None, style_order=None, legend='brief', kind='scatter'                height=5, aspect=1, facet_kws=None, **kwargs)
这个函数包含了scatterplot和line plot的功能,并且还能实现FacerGrid的一些功能。通过控制kind参数值决定是点图(scatter)还是线图(line),如果定义col或者row参数,那么做出来的图就像FacetGrid那样了。

统计关系的数据可视化(二)

突然发现我在炒冷饭了,
哈哈,还是把它写完吧。

g = sns.relplot(x='sepal_width', y='petal_width', hue='species', data=iris, kind='scatter', palette='Set1', size='species', sizes=(50, 150), style='species', markers=['s', 'd', '^'], height=4, aspect=1.5, edgecolor='black')plt.show()

统计关系的数据可视化(二)


下面是放在多个格子里绘图的样式,有一点不太灵活,color(颜色)都是统一的,我想设置成三种不同的颜色,靠relplot不能单独完成。
g = sns.relplot(x='sepal_width', y='petal_width', col='species', data=iris, kind='scatter', size='species', sizes=(50, 150), style='species', markers=['s', 'd', '^'], height=4, aspect=1, edgecolor='black')plt.show()


统计关系的数据可视化(二)


如果画成线图,效果是这样。
g = sns.relplot(x='sepal_width', y='petal_width', hue='species', data=iris, kind='line', palette='Set1', size='species', sizes=(1, 4), style='species', markers=['s', 'd', '^'], height=4, aspect=1.5, estimator=None)plt.show()


统计关系的数据可视化(二)

参数设置的含义之前的文章讲过了,这儿就不再写了。


— E N D —


 

“像海绵吸水一样学习知识”

ID : 老坛学Python

 记录·分享·成长

统计关系的数据可视化(二)

点“在看”给我一朵小黄花

版权声明:本站内容全部来自于腾讯微信公众号,属第三方自助推荐收录。《统计关系的数据可视化(二)》的版权归原作者「老坛学Python」所有,文章言论观点不代表Lambda在线的观点, Lambda在线不承担任何法律责任。如需删除可联系QQ:516101458

文章来源: 阅读原文

相关阅读

关注老坛学Python微信公众号

老坛学Python微信公众号:gh_ad15296d4962

老坛学Python

手机扫描上方二维码即可关注老坛学Python微信公众号

老坛学Python最新文章

精品公众号随机推荐