给 iOS 开发者的 python 学习日记十八

使用 matplotlib 建立一个图表的概念是组装它提供的基础元件,像是图表类型、图例或者标签等元件。 Seaborn 套件是以 matplotlib 为基础建构的高阶绘图套件,让使用者更加轻松地建立图表,我们可以将它视为是 matplotlib 的加强

我们今天试着使用看看Seaborn套件来划一些基本的图形,包括:

直方图(Histogram)

散布图(Scatter plot)

线图(Line plot)

长条图(Bar plot)

盒须图(Box plot)

Seaborn套件在我们的开发环境没有安装,但我们可以透过conda指令在终端机安装。

conda install -c anaconda seaborn=0.7.1

我们的开发环境是Jupyter Notebook,这个指令可以让图形不会在新视窗呈现。

%matplotlib inline

直方图

使用seaborn套件的distplot()方法。

%matplotlib inline

import seaborn as sns

import numpy as np

import matplotlib.pyplot as plt

sns.distplot(normal_samples)

预设会附上kernel density estimate(KDE)曲线。

散布图(Scatter plot)

使用seaborn套件的joinplot()方法。

%matplotlib inline

import seaborn as sns

import pandas as pd

import matplotlib.pyplot as plt

speed = [4, 4, 7, 7, 8, 9, 10, 10, 10, 11, 11, 12, 12, 12, 12, 13, 13, 13, 13, 14, 14, 14, 14, 15, 15, 15, 16, 16, 17, 17, 17, 18, 18, 18, 18, 19, 19, 19, 20, 20, 20, 20, 20, 22, 23, 24, 24, 24, 24, 25]

dist = [2, 10, 4, 22, 16, 10, 18, 26, 34, 17, 28, 14, 20, 24, 28, 26, 34, 34, 46, 26, 36, 60, 80, 20, 26, 54, 32, 40, 32, 40, 50, 42, 56, 76, 84, 36, 46, 68, 32, 48, 52, 56, 64, 66, 54, 70, 92, 93, 120, 85]

cars_df = pd.DataFrame(

{"speed": speed,

"dist": dist

}

)

sns.jointplot(x = "speed", y = "dist", data = cars_df)

预设会附上X轴变数与Y轴变数的直方图。

线图(Line plot)

使用seaborn套件的factorplot()方法。

%matplotlib inline

import seaborn as sns

import pandas as pd

import matplotlib.pyplot as plt

speed = [4, 4, 7, 7, 8, 9, 10, 10, 10, 11, 11, 12, 12, 12, 12, 13, 13, 13, 13, 14, 14, 14, 14, 15, 15, 15, 16, 16, 17, 17, 17, 18, 18, 18, 18, 19, 19, 19, 20, 20, 20, 20, 20, 22, 23, 24, 24, 24, 24, 25]

dist = [2, 10, 4, 22, 16, 10, 18, 26, 34, 17, 28, 14, 20, 24, 28, 26, 34, 34, 46, 26, 36, 60, 80, 20, 26, 54, 32, 40, 32, 40, 50, 42, 56, 76, 84, 36, 46, 68, 32, 48, 52, 56, 64, 66, 54, 70, 92, 93, 120, 85]

cars_df = pd.DataFrame(

{"speed": speed,

"dist": dist

}

)

sns.factorplot(data = cars_df, x="speed", y="dist", ci = None)

长条图(Bar plot)

使用seaborn套件的countplot()方法。

%matplotlib inline

import seaborn as sns

import pandas as pd

import matplotlib.pyplot as plt

cyl = [6 ,6 ,4 ,6 ,8 ,6 ,8 ,4 ,4 ,6 ,6 ,8 ,8 ,8 ,8 ,8 ,8 ,4 ,4 ,4 ,4 ,8 ,8 ,8 ,8 ,4 ,4 ,4 ,8 ,6 ,8 ,4]

cyl_df = pd.DataFrame({"cyl": cyl})

sns.countplot(x = "cyl", data=cyl_df)

盒须图(Box plot)

使用seaborn套件的boxplot()方法。

小结

第十九天我们练习使用Python的视觉化套件Seaborn绘制基本的图形

本文来自企鹅号 - 猿老师媒体

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人工智能

TensorFlow图像分类教程

云栖君导读:深度学习算法与计算机硬件性能的发展,使研究人员和企业在图像识别、语音识别、推荐引擎和机器翻译等领域取得了巨大的进步。六年前,视觉模式识别领域取得了第...

2856
来自专栏人人都是极客

【免费教学】在嵌入式中使用 TensorFlow Lite

第一期中,分享了 TensorFlow Lite 的一些基本知识。今天与大家分享 Android 平台上的一些 TensorFlow Lite 应用,先来一起看...

1023
来自专栏生信技能树

【直播】我的基因组 36:这些可能是somatic突变的位点究竟是什么?

吓死我了! 前面我们讲到了可以把突变文件注释到dbsnp数据库,而dbsnp数据库信息非常丰富,比如我们可以看 ##INFO=<ID=SAO,Number=1,...

34216
来自专栏机器之心

教程 | 使用Gym和CNN构建多智能体自动驾驶马里奥赛车

3806
来自专栏拂晓风起

Flash:利用Bitmapdata,ColorTransform,DrawPath,制造绚丽效果

892
来自专栏大数据挖掘DT机器学习

苹果手机评论情感分析(附python源码和评论数据)

首先抓取网页上的数据,每一页十条评论,生成为一个txt文件。 数据链接 以下采用既有词典的方式: 准备四本词典,停用词,否定词,程度副词,情感词,链接也给出来...

4384
来自专栏杨建荣的学习笔记

使用shell测试历史数据样本(r2笔记80天)

使用shell分析了一些数据有一些时间了,而且分析的数据情况也是基于历史数据,今天写了个脚本对历史的数据进行一个简单的分析,看看准确率到底有多高。 这里有一个借...

2485
来自专栏机器学习人工学weekly

机器学习人工学weekly-2018/6/10

1. MIT脑科学课程视频,虽然跟工程不太一样,但是cognitive science也是很重要

1056
来自专栏人工智能头条

EC2上的深度学习:CUDA 7/cuDNN/caffe/DIGITS实战教程

1484
来自专栏用户2442861的专栏

基于级联分类器的多目标检测

原文地址:http://blog.csdn.NET/ariesjzj/article/details/8639208

451

扫码关注云+社区