Python-科学计算-seaborn-03-箱形图

zishendianxia

发布于 2019-12-18 15:22:18

9770

发布于 2019-12-18 15:22:18

文章被收录于专栏：Python工程师Python工程师

系统：Windows 7 语言版本：Anaconda3-4.3.0.1-Windows-x86_64 编辑器：pycharm-community-2016.3.2 seaborn：0.7.1

这个系列讲讲Python的科学计算版块
今天讲讲seaborn模块：箱形图

Part 1：示例

已知df_1，有4列["p1", "p2", "p3", "p4", "from"]
根据from类别输出p1的箱形图，就是以from为分类标准，将p1列进行分类，对每类输出箱形图
不考虑from列，输出"p1", "p2", "p3", "p4"的箱形图

图1 p1的箱形图

图2 "p1", "p2", "p3", "p4"的箱形图

Part 2：代码

import pandas as pd
import seaborn as sns
from matplotlib import pyplot as plt

dict_1 = {
    "p1": [0.5, 0.8, 1.0, 1.2, 1.5, 2.5, 0.9, 0.6, 1.3, 1.0,
           1.3, 1.6, 1.9, 2.5, 4.2, 3.5, 2.2, 1.2, 1.5, 0.5],
    "p2": [1.3, 2.8, 1.3, 1.4, 6.5, 2.5, 0.9, 0.6, 1.3, 1.0,
           1.3, 1.6, 1.9, 2.5, 4.2, 3.5, 1.2, 1.2, 3.5, 2.5],
    "p3": [2.5, 0.8, 1.3, 1.2, 1.5, 2.8, 1.9, 0.6, 1.3, 1.1,
           1.3, 1.6, 1.1, 2.5, 4.2, 3.9, 2.2, 1.2, 1.5, 0.5],
    "p4": [2.5, 0.8, 1.3, 1.2, 1.5, 3.8, 1.9, 0.6, 1.3, 1.1,
           1.3, 1.6, 1.1, 2.5, 4.2, 3.9, 2.2, 1.2, 1.5, 0.5],
    "from": ["sample1", "sample1", "sample1", "sample1", "sample1",
             "sample2", "sample2", "sample2", "sample2", "sample2",
             "sample3", "sample3", "sample3", "sample3", "sample3",
             "sample4", "sample4", "sample4", "sample4", "sample4"]}

df_1 = pd.DataFrame(dict_1, columns=["p1", "p2", "p3", "p4", "from"])
print(df_1)

sns.set(style="ticks", color_codes=True)
sns.boxplot(x="from", y="p1", data=df_1, palette="Set2")

plt.show()

图3 代码截图

图4 df_1

Part 3：部分代码解读

sns.boxplot(x="from", y="p1", data=df_1, palette="Set2")，生成结果对应图1
- x="from", y="p1"表示以from列作为p1列的分组标准，对每组画出箱形图
- data数据源，是一个DataFrame
- palette色板
若将上句替换为sns.boxplot(data=df_1)，对应图2
对比图2和图5，同样的数据不同的可视化展示，想表达的信息也会有区别