Fork me on GitHub

seaborn学习笔记（二）：散点图、线图

 

In [2]:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
 

加载seaborn官方小费数据用于后续演示：

In [3]:
# seaborn官方小费数据
tips = sns.load_dataset("tips")
tips.head(2)
Out[3]:
 
 total_billtipsexsmokerdaytimesize
0 16.99 1.01 Female No Sun Dinner 2
1 10.34 1.66 Male No Sun Dinner 3
 

1 lineplot()绘制散点图

 

lineplot()主要参数如下：

  • x：横轴数据,可以是向量（pandas中的一列，或者是list），也可以是字符串（data中的一个key）
  • y：纵轴数据,可以是向量（pandas中的一列，或者是list），也可以是字符串（data中的一个key）
  • hue：可以是向量（pandas中的一列，或者是list），也可以是字符串（data中的一个key），seaborn将根据这一列设置不同颜色
  • size：可以是向量（pandas中的一列，或者是list），也可以是字符串（data中的一个key），seaborn将根据这一列设置不同粗细、大小
  • style：可以是向量（pandas中的一列，或者是list），也可以是字符串（data中的一个key），seaborn将根据这一列设置不同线型
  • data：作图数据
  • palette：颜色面板
  • hue_order：字符串组成的list，设置hue后设置各颜色顺序
  • sizes：size参数设置后，sizes用户设置粗细、大小的变化范围
  • size_order：字符串组成的list，设置size后，将按照size_order顺序设置
  • dash：确定如何为style变量的不同级别绘制线条的对象。设置为True将使用默认的短划线代码，或者您可以将短划线代码列表或style变量的字典映射级别传递给短划线代码。设置为False将对所有子集使用实线。线段在 matplotlib 中指定： (segment, gap)长度的元组，或用于绘制实线的空字符串。
  • markers：布尔型，list或字典，是否为不同的style参数设置不同的标记
  • style_order：字符串组成的list，设置style后将按照style_order顺序设置线型或散点形状
  • estimator：当一个x值对应对个y值是，如果进行聚合,可以传递一个调用方法，例如：np.mean进行求平均值，也可以传递None，表示绘制所有
  • ci：与估算器聚合时绘制的置信区间的大小。 “sd”表示绘制数据的标准偏差。 设置为 None 将跳过
  • n_boot：整型，用于计算置信区间的 bootstrap 数。
  • err_style: "band"或"bars"，是否用半透明误差带或离散误差棒绘制置信区间。
  • err_band：关键字参数字典。用于控制误差线美观的附加参数。 kwargs传递给ax.fill_between或ax.errorbar，具体取决于err_style。
  • sort：布尔值，如果为真，则数据将按 x 与 y 变量排序，否则行将按照它们在数据集中出现的顺序连接点。
  • ax：matplotlib 坐标轴，绘制图像的坐标对象，否则使用当前坐标轴，通过该参数，配合matplotlib，可绘制更加灵活的子图
  • alpha：设置不透明度
 

1.1 基本图像

In [26]:
_ = sns.lineplot(x="day", y="total_bill", data=tips)
 
 

1.2 hue：根据指定字段设置不同颜色

In [27]:
_ = sns.lineplot(x="day", y="total_bill", data=tips, hue="sex")
 
 

1.3 size：根据指定字段设置折线粗细

In [29]:
_ = sns.lineplot(x="day", y="total_bill", data=tips, size="sex")
 
 

1.4 style：根据指定字段设置线型

In [33]:
_ = sns.lineplot(x="day", y="total_bill", data=tips, style="sex")
 
 

1.5 markers：根据指定字段设置不同标记

In [34]:
_ = sns.lineplot(x="day", y="total_bill", data=tips, style="sex", markers=True)
 
 

1.6 err_style：绘制错误条或错误带

 

在上述绘制的图像中，如果一个x值对应多个y值，那么折线上下都有错误带出现，指示多个y值的取值范围，通过err_style参数可以设置显示错误带或者错误条，默认值为“band”表示显示错误带。

In [36]:
_ = sns.lineplot(x="day", y="total_bill", data=tips, hue="sex", err_style="band")
 
In [37]:
_ = sns.lineplot(x="day", y="total_bill", data=tips, hue="sex", err_style="bars")
 
 

也可以设置为None，表示既不绘制错误带，也不绘制错误条：

In [38]:
_ = sns.lineplot(x="day", y="total_bill", data=tips, hue="sex", err_style=None)
 
 

2 scatterplot()绘制散点图

scatterplot()主要参数如下：

  • x：横轴数据,可以是向量（pandas中的一列，或者是list），也可以是字符串（data中的一个key）
  • y：纵轴数据,可以是向量（pandas中的一列，或者是list），也可以是字符串（data中的一个key）
  • hue：可以是向量（pandas中的一列，或者是list），也可以是字符串（data中的一个key），seaborn将根据这一列设置不同颜色
  • size：可以是向量（pandas中的一列，或者是list），也可以是字符串（data中的一个key），seaborn将根据这一列设置不同粗细、大小
  • style：可以是向量（pandas中的一列，或者是list），也可以是字符串（data中的一个key），seaborn将根据这一列设置不同线型或散点形状
  • data：作图数据
  • palette：颜色面板
  • hue_order：字符串组成的list，设置hue后设置各颜色顺序
  • sizes：size参数设置后，sizes用户设置粗细、大小的变化范围
  • size_order：字符串组成的list，设置size后，将按照size_order顺序设置
  • markers：布尔型，list或字典，是否为不同的style参数设置不同的标记
  • style_order：字符串组成的list，设置style后将按照style_order顺序设置线型或散点形状
  • estimator：当一个x值对应对个y值是，如果进行聚合,可以传递一个调用方法，例如：np.mean进行求平局，也可以传递None，表示绘制所有
  • ci：与估算器聚合时绘制的置信区间的大小。 “sd”表示绘制数据的标准偏差。 设置为 None 将跳过
  • n_boot：整型，自举法的数量，用于计算区间的置信度
  • alpha：设置不透明度
  • ax：matplotlib 坐标轴，绘制图像的坐标对象，否则使用当前坐标轴，通过该参数，配合matplotlib，可绘制更加灵活的子图
 

可见，scatterplot()方法与relplot()、lineplot()方法参数十分类似。

 

2.1 x, y, data：传递数据

 

对于参数x，y，可以直接传递一个向量，例如DataFrame中的一列，也可以传递一个字符串，不过当传递字符串时，必须是data参数中的一个key，也就是说，当x、y是一个字符串时，必须传递data参数。

In [4]:
# 以下两种传参方式等效：
_ = sns.scatterplot(x=tips["total_bill"], y=tips["tip"])
# _ = sns.relplot(x="total_bill", y="tip", data=tips)
 
 

也可以不传递x, y，直接传递data，这时，seaborn将以行索引为x，每一列为y，分别进行绘图：

In [6]:
_ = sns.scatterplot(data = tips[['total_bill', 'tip', 'size']])
 
 

2.2 hue：根据指定字段设置不同颜色

 

根据是否抽烟，分别绘制不同颜色圆点：

In [7]:
#消费总金额和小费金额的散点图
_ = sns.scatterplot(x="total_bill", y="tip", data=tips, hue='smoker')
 
 

2.3 size：根据指定字段设置圆点（折线）大小粗细

In [8]:
_ = sns.scatterplot(x="total_bill", y="tip", data=tips, size='smoker')
 
 

2.4 style：根据指定字段设置线型或散点形状

In [9]:
_ = sns.scatterplot(x="total_bill", y="tip", data=tips, style='smoker')
 
 

2.5 alpha：设置不透明度

In [44]:
_ = sns.scatterplot(x="total_bill", y="tip", data=tips, hue='smoker', alpha=0.5)
 
 

2.6 ax：绘制多样化子图

 

relplot()方法通过row或col参数虽然可以绘制子图，但是，子图只能是统一类型图像，但在lineplot()和scatterplot()方法中，通过ax参数，可以绘制多样化的子图。

In [3]:
fig, ax =plt.subplots(1,2)
_ = sns.scatterplot(x="total_bill", y="tip", data=tips, hue='smoker', ax=ax[0]) 
_ = sns.lineplot(x="size", y="total_bill", data=tips, hue='smoker', ax=ax[1])
 
posted @ 2022-02-23 09:29  奥辰  阅读(3662)  评论(0)  编辑  收藏  举报