02 seaborn 简单操作 |
您所在的位置:网站首页 › seaborn使用 › 02 seaborn 简单操作 |
egon新书python全套来袭请看:https://egonlin.com/book.html
1、Seaborn
在上节中我们学习了matplotlib,这节课我们来看看另一个可视化的模块seaborn,它是基于matplotlib的更高级的开源库,主要用作于数据可视化,解决了matplotlib的两大问题。正如Michael Waskom所说的:Matplotlib试着让简单的事情更加简单,困难的事情变得可能,那么Seaborn就是让困难的东西更加简单。 使用matplotlib最大的问题就是它默认的各种参数,在serborn当中则完全避免了这些问题 # 导入模块 import matplotlib.pyplot as plt import pandas as pd # 初始化 Figure 和 Axes 对象 fig, ax = plt.subplots() # 加载数据 tips = pd.read_csv("https://raw.githubusercontent.com/mwaskom/seaborn-data/master/tips.csv") # 创建 violinplot ax.violinplot(tips["total_bill"], vert=False)使用matplotlib,通常都需要我们自己来增加颜色、刻度标签等一些样式。seaborn就是matplotlib的延伸,如果会用matplotlib,那么使用seaborn也没问题 2、加载数据使用seaborn不仅可以将自己本地的数据绘制成图表,还可以使用库本身提供的内置数据集 2.1、加载内置数据集可以通过load_dataset()来使用内置的seaborn数据集,需要查看所有内置数据集可以点击https://github.com/mwaskom/seaborn-data # 导入模块 import seaborn as sns import matplotlib.pyplot as plt # 加载鸢尾花数据 iris = sns.load_dataset("iris") # 构建 iris plot sns.swarmplot(x="species", y="petal_length", data=iris) # 展示 图像 plt.show()可以使用color_palette()来定义要使用的颜色映射和参数n_colors的颜色数 # 导入相关模块 import seaborn as sns import matplotlib.pyplot as plt import numpy as np from matplotlib.colors import ListedColormap # 定义一个变量N N = 500 # 构建 colormap current_palette = sns.color_palette("muted", n_colors=5) cmap = ListedColormap(sns.color_palette(current_palette).as_hex()) # 初始化数据 data1 = np.random.randn(N) data2 = np.random.randn(N) # 产生随机数标签 colors = np.random.randint(0,5,N) # 创建散点图图表 plt.scatter(data1, data2, c=colors, cmap=cmap) # 添加颜色条 plt.colorbar() # 展示图像 # plt.show() |
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 |