seaborn和pandas |
您所在的位置：网站首页 › seaborn中绘制回归图的方法有哪些 › seaborn和pandas |
|
目录 0、seaborn包基本使用 1 pandas打印报表（推荐使用） 2 缺失值分析--Missingno 1，对于每一列数据进行分析缺失值 矩阵图 柱状图 热力图 3.画分布图--比如正太分布图seaborn 4、数据可视化-- 1，热度图seaborn--满足条件的数据的个数如年龄段为2的女生有多少人 2、柱状图（查看其中一个特征的每一个种类有多少--比如男性有多少，女性有多少） seaborn pandas 5、多变量之间的关系（连续变量）推荐散点图 pandas seaborn 三个变量（两个连续画点，一个离散分类） 两个变量（点数少） 6、回归画图：（画散点图和拟合直线图）连续值 推荐：lmplot 画散点图和拟合直线图 三个变量（画两条线，（两个连续画点，一个离散分类）） 四个变量（多个图显示） 7、多变量之间的关系（一个连续一个离散变量）推荐散点蜂图 三个变量（用颜色区分，两个离散，一个连续） 8、盒图，小提琴图 小提琴图 9、显示值的集中趋势可以用条形图 10、 点图可以更好的描述变化差异 11多重面板：（整合前面的） 12、FacetGrid（干的事情和前面一样，新的方式吧，这个好像很牛逼） 13、热力图（一共三列数据）做成表格
可视化使用的数据格式均使用dateframe格式 0、seaborn包基本使用 import seaborn as sns import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt def sinplot(flip=1): x = np.linspace(0, 14, 100) for i in range(1, 7): plt.plot(x, np.sin(x + i * .5) * (7 - i) * flip) 画图之前先设置画图的风格：'''5种主题风格darkgrid whitegrid dark white ticks'''下面语句只能选择一个风格 sns.set_style("whitegrid") #更喜欢这种风格 ,使用sns设置plot画图的风格，但是并没有画图。 # sns.set() # 设置默认值风格 # sns.set_context("poster") # "paper" "talk" "poster" "notebook" 这个指定线条粗细的越来越粗 sns.set_context("notebook", font_scale=1.5, rc={"lines.linewidth": 2.5}) #font_scale坐标轴数字大小 rc：线条大小 sns.despine() #设置 plt.figure(figsize=(8, 6)) #设置图像长宽大小，长8，宽6 画图： sinplot() sns.boxplot(data=data) 画完图设置边界线（去掉上、下左右、边界线）： sns.despine() # 默认去掉右边和上边的边界线，sns.despine(left=True)这样写是去掉左边的边界线 显示图像： plt.show() 对于子图中不同的图像设置不同的风格：用with ，with相当一个域，类似于函数域 with sns.axes_style("darkgrid"): plt.subplot(211) sinplot() plt.subplot(212) sinplot(-1) 关于颜色的选取：离散的颜色， current_palette = sns.color_palette() # 默认颜色， sns.palplot(sns.color_palette("hls", 8)) #'hls'是一个系统的颜色空间返回8种不同的颜色 sns.palplot(sns.hls_palette(8, l=.7, s=.9)) # hls_palette()函数来控制颜色的亮度和饱和 l-亮度 lightness ，s-饱和 saturation sns.palplot(current_palette) # palplot用来画图的，参数是颜色 sns.palplot(sns.color_palette("Paired",8)) # 8种颜色，两个两个是一对，深蓝和浅蓝 ... # 使用xkcd颜色来命名颜色 xkcd包含了一套众包努力的针对随机RGB色的命名。产生了954个可以随时通过xdcd_rgb字典中调用的命名颜色。 plt.plot([0, 1], [0, 1], sns.xkcd_rgb["pale red"], lw=3) plt.plot([0, 1], [0, 2], sns.xkcd_rgb["medium green"], lw=3) plt.plot([0, 1], [0, 3], sns.xkcd_rgb["denim blue"], lw=3) 关于颜色的选取：连续渐变的颜色 sns.palplot(sns.color_palette("Blues")) # 正常是离散的传入参数就变成连续的了 由浅到深 sns.palplot(sns.color_palette("BuGn_r")) # 由深到浅，如果想要翻转渐变，可以在面板名称中添加一个_r后缀 sns.palplot(sns.light_palette("green")) #由浅到深 sns.palplot(sns.dark_palette("purple")) # 由深到浅， sns.palplot(sns.light_palette("navy", reverse=True)) # 由深到浅， sns.palplot(sns.color_palette("cubehelix", 8)) ---------------------------------------------------------------------------------- 画图：单特征使用直方图好用，2个特征使用散点图好 --特征就是变量 x = np.random.normal(size=100) x是100个随机数字 sns.distplot(x,kde=False) #这个函数是画直方图或者柱状图，在特定区间中有多少个数字 ，分成默认个区间 sns.distplot(x, bins=20, kde=False) #指定分成20个区间 x = np.random.gamma(6, size=200) from scipy import stats, integrate sns.distplot(x, kde=False, fit=stats.gamma) # 用曲线拟合一下，用到了scipiy这个库 2变量 举例 数据量比较小用散点图 mean, cov = [0, 1], [(1, .5), (.5, 1)] data = np.random.multivariate_normal(mean, cov, 200) df = pd.DataFrame(data, columns=["x", "y"]) sns.jointplot(x="x", y="y", data=df); #这个是画出来x和y的三点图，又画出来每一个变量的直方图 数据量比较大，不能用散点图了，看不了，用半透明的图，kind="hex" x, y = np.random.multivariate_normal(mean, cov, 1000).T with sns.axes_style("white"): 设置风格 sns.jointplot(x=x, y=y, kind="hex", color="k") 3个以上个变量怎么办？我要看两两变量之间的散点图，单个变量的直方图，这个功能包括了上面的sns.jointplot iris = sns.load_dataset("iris") #导入内置数据集，有4列，也就是4个特征 print(iris) sns.pairplot(iris) ----------------------------------------------- 画回归图：两个变量既画散点图，又画回归图，看看是不是线性关系 例子：regplot 和 lmplot 基本一样，但是开始推荐使用regplot tips = sns.load_dataset("tips") sns.regplot(x="total_bill", y="tip", data=tips) #这里是dateframe格式，也可以是其他的吧，不知道 sns.lmplot(x="total_bill", y="tip", data=tips); # 注意这里两个变量是连续值，如果是离散值就不能用了，很不好看 sns.regplot(x="size", y="tip", data=tips, x_jitter=.05) #x_jitter 在x的点加上小范围的浮动 两个变量有一个是离散值怎么画图：swarmplot 这个好 ，三变量，只不过一个用颜色区分开了 sns.stripplot(x="day", y="total_bill", data=tips); #这么画太丑了，不好看，都重叠一起了， sns.stripplot(x="day", y="total_bill", data=tips, jitter=True) #x轴左右摇摆一下分开，好一些 sns.swarmplot(x="day", y="total_bill", data=tips) #这个蜂图感觉更好 sns.swarmplot(x="day", y="total_bill", hue="sex",data=tips) #这个更厉害了，将男女都区别开了，用不同的颜色分开 盒图/小提琴图（用来画离群点的），小提琴图更好 IQR即统计学概念四分位距，第一/四分位与第三/四分位之间的距离 N = 1.5IQR 如果一个值>Q3+N或 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
| CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |