seaborn基础使用(二)

箱型图

• 01

import pandas as pd
import seaborn as sns

titanic=pd.read_csv('C:\\work\\titanic.csv')
titanic.head()

点击查看详情

• 02

# age列
sns.boxplot(y=titanic["age"])

点击查看详情

• 03

# x轴指定class分类
sns.boxplot(data=titanic,y="age",x="class")

点击查看详情

• 04

# 添加条件，hue
sns.boxplot(data=titanic, x="class", y="age", hue="alive")

点击查看详情

• 05

# 宽度
sns.boxplot(data=titanic, x="deck", y="age", width=.5)

点击查看详情

• 06

# 颜色 color="red"
# 线宽度
sns.boxplot(data=titanic, x="deck", y="age", color="0.8", linewidth=.75)

点击查看详情

热力图

• 01

glue=pd.read_csv('C:\\work\\glue.csv')
glue.head()

点击查看详情

• 02

# 行，列，值
glue_pivot=glue.pivot(index="Model", columns="Task", values="Score")
glue_pivot.head()

点击查看详情

• 03

sns.heatmap(glue_pivot, annot=True)

点击查看详情

• 04

# 样式
# 最小/最大
sns.heatmap(glue_pivot, annot=True, linewidth=.5, vmin=0, vmax=100)

点击查看详情

• 05

# 颜色
sns.heatmap(glue_pivot, cmap="crest", annot=True)

点击查看详情

• 案例

点击查看详情

• 01

crash=pd.read_csv('C:\\work\\car_crashes.csv')
crash_tmp=crash.drop("abbrev",axis=1)
crash_tmp.head()

• 02

# 相关系数
crash_relate=crash_tmp.corr()
crash_relate

• 03

# 颜色浅的，相关系数高
sns.heatmap(crash_relate, annot=True, linewidth=0.5)

多变量联合分布图

• 01

penguins=pd.read_csv('C:\\work\\penguins.csv')
penguins.head()

点击查看详情

• 02

sns.pairplot(penguins)

点击查看详情

• 03

sns.pairplot(penguins, hue="species")

点击查看详情

• 04

sns.pairplot(penguins, kind="hist")

点击查看详情

• 05

# 高度
sns.pairplot(penguins,height=1.5)

点击查看详情

• 06

# 自定义
sns.pairplot(
    penguins,
    x_vars=["bill_length_mm","bill_depth_mm"],
    y_vars=["bill_length_mm","bill_depth_mm"]
)

点击查看详情

• 07

sns.jointplot(data=penguins,x="bill_length_mm", y="bill_depth_mm")

点击查看详情

• 08

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", hue="sex")

点击查看详情

• 09

# 联合分布，概率密度曲线
sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", kind="reg")

点击查看详情

• 10

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", kind="hex")

点击查看详情

• 11

# ['scatter', 'hist', 'hex', 'kde', 'reg', 'resid']

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", kind="scatter")

点击查看详情

回归图

• 01

mpg=pd.read_csv('C:\\work\\mpg.csv')
mpg.head()

点击查看详情

• 02

# 回归线
sns.regplot(data=mpg, x="weight", y="acceleration")

点击查看详情

• 03

sns.regplot(data=mpg, x="weight", y="acceleration", order=2)

点击查看详情

• 04

sns.regplot(data=mpg, x="weight", y="acceleration", order=3)

点击查看详情

• 05

# marker指定x或o

sns.regplot(
    data=mpg, x="weight", y="acceleration", 
    marker="x", color=".3", line_kws=dict(color="red")
)

点击查看详情

• 06

penguins=pd.read_csv('C:\\work\\penguins.csv')
penguins.head()

点击查看详情

• 07

# 不同数值变量在多个分类变量下的关系
sns.lmplot(
    data=penguins, x="bill_length_mm", y="bill_depth_mm", 
    col="species",row="sex", height=3
)

点击查看详情

• 08

sns.lmplot(
    data=penguins, x="bill_length_mm", y="bill_depth_mm",
    hue="species", col="sex", height=4,
)

点击查看详情

多绘图网格

• 01

tips=pd.read_csv('C:\\work\\tips.csv')
tips.head()

点击查看详情

• 02

sns.FacetGrid(tips, col="time", row="sex")

点击查看详情

• 03

g = sns.FacetGrid(tips, col="time", row="sex")
g.map(sns.scatterplot, "total_bill","tip")

点击查看详情

• 04

g=sns.FacetGrid(tips, col="time", hue="sex")
g.map_dataframe(sns.scatterplot, x="total_bill", y="tip")
g.add_legend()

点击查看详情