前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >【数据分析可视化】seaborn介绍

【数据分析可视化】seaborn介绍

作者头像
瑞新
发布于 2020-07-07 11:22:43
发布于 2020-07-07 11:22:43
55000
代码可运行
举报
运行总次数:0
代码可运行

存在意义

是matplotlib的扩展封装

简单使用

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt 
import seaborn as sns
%matplotlib inline
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
/Users/bennyrhys/opt/anaconda3/lib/python3.7/importlib/_bootstrap.py:219: RuntimeWarning: numpy.ufunc size changed, may indicate binary incompatibility. Expected 192 from C header, got 216 from PyObject
  return f(*args, **kwds)
/Users/bennyrhys/opt/anaconda3/lib/python3.7/importlib/_bootstrap.py:219: RuntimeWarning: numpy.ufunc size changed, may indicate binary incompatibility. Expected 192 from C header, got 216 from PyObject
  return f(*args, **kwds)
/Users/bennyrhys/opt/anaconda3/lib/python3.7/importlib/_bootstrap.py:219: RuntimeWarning: numpy.ufunc size changed, may indicate binary incompatibility. Expected 192 from C header, got 216 from PyObject
  return f(*args, **kwds)
/Users/bennyrhys/opt/anaconda3/lib/python3.7/importlib/_bootstrap.py:219: RuntimeWarning: numpy.ufunc size changed, may indicate binary incompatibility. Expected 192 from C header, got 216 from PyObject
  return f(*args, **kwds)
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
iris = pd.read_csv('/Users/bennyrhys/Desktop/数据分析可视化-数据集/homework/iris.csv')
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
iris.head()

SepalLength

SepalWidth

PetalLength

PetalWidth

Name

0

5.1

3.5

1.4

0.2

Iris-setosa

1

4.9

3.0

1.4

0.2

Iris-setosa

2

4.7

3.2

1.3

0.2

Iris-setosa

3

4.6

3.1

1.5

0.2

Iris-setosa

4

5.0

3.6

1.4

0.2

Iris-setosa

需求:画一个花瓣(petal)和花萼(sepal)长度的散点图,并且点的颜色要区分鸢尾花的种类

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 花的种类
iris.Name.unique()
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
array(['Iris-setosa', 'Iris-versicolor', 'Iris-virginica'], dtype=object)
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 设置对应颜色字典
color_map = dict(zip(iris.Name.unique(),['blue','green','red']))
color_map
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
{'Iris-setosa': 'blue', 'Iris-versicolor': 'green', 'Iris-virginica': 'red'}
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 原本画图
for species, group in iris.groupby('Name'):
    plt.scatter(group['PetalLength'],group['SepalLength'],
               color = color_map[species],
               alpha=0.3,edgecolor=None,
               label = species)
plt.legend(frameon=True, title='None')
plt.xlabel('PetalLength')
plt.ylabel('SepalLength')
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
Text(0, 0.5, 'SepalLength')
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 封装之后的seaborn画图
sns.lmplot('PetalLength','SepalLength',iris, hue='Name', fit_reg=False)  
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
<seaborn.axisgrid.FacetGrid at 0x1a2a36c150>

生态

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2020/05/08 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
【数据分析可视化】seaborn实现直方图和密度图
import numpy as np import pandas as pd import matplotlib.pyplot as plt from pandas import Series, DataFrame %matplotlib inline # 引入 import seaborn as sns /Users/bennyrhys/opt/anaconda3/lib/python3.7/importlib/_bootstrap.py:219: RuntimeWarning: numpy.ufunc
瑞新
2020/07/07
9270
【数据分析可视化】seaborn实现直方图和密度图
利用PyCINRAD处理、显示天气雷达基数据
使用基于Python的PyCINRAD来处理、显示天气雷达基数据,只做简单推介,根据自己需要来选用。版本迭代,建议使用最新版本的PyCINRAD,以及与之相匹配的Python开发环境,避免一些不必要的库不兼容的问题。
MeteoAI
2019/07/30
8.7K1
【数据分析与可视化】数组与矩阵运算
快速创建数组 import numpy as np # 返回符合正态分布的数组 np.random.randn(10) array([-0.05382978, 0.57450604, 0.08319436, -1.54601915, 0.6517896 , -1.31985884, -0.68791036, 2.4913952 , 0.31322135, 0.83022095]) # 返回指定范围的一个随机数 np.random.randint(10) 9 # 创建一个随机数组
瑞新
2020/07/07
6560
【数据分析可视化】谈一谈NaN
NaN-means Not a Number import numpy as np import pandas as pd from pandas import Series, DataFrame # 创建NaN n = np.nan # 类型 type(n) float # 任何数字和nan做计算永远是nan m = 1 m + n nan NaN in Series # 创建含nan情况 s1 = Series([1,2,np.nan,3,4],index=['A','B','C','D','E'])
瑞新
2020/07/07
5700
Python 数据可视化之山脊线图 Ridgeline Plots
JoyPy 是一个基于 matplotlib + pandas 的单功能 Python 包,它的唯一目的是绘制山脊线图 Joyplots(也称为 Ridgeline Plots)。
叶庭云
2024/05/25
6090
Python 数据可视化之山脊线图 Ridgeline Plots
【数据分析可视化】股票市场分析实战之风险分析
# 基本信息 import numpy as np import pandas as pd from pandas import Series, DataFrame # 股票数据读取 import pandas_datareader as pdr # 可视化 import matplotlib.pyplot as plt import seaborn as sns #%matplotlib inline # time from datetime import datetime # 读取本地数据 ali
瑞新
2020/07/07
5400
人工智能学习(python基础算法库pandas与可视化库Matplotlib )
第一课也是第一周学习的内容,学习使用jupyter notebooks。了解python常用的数据出来和数据可视化库。
易兒善
2018/08/21
8440
人工智能学习(python基础算法库pandas与可视化库Matplotlib )
【数据分析与可视化】Matplotlib简单绘图之plot
以前直接plot()无法显示图像 必须调用 plt.show(),因此需引入%matplotlib inline,使plt.plot(a)直接显示图像 现在不需要这么麻烦
瑞新
2020/07/07
1.2K0
【数据分析与可视化】Matplotlib简单绘图之plot
【数据分析可视化】Concatenate和Combine
import numpy as np import pandas as pd from pandas import Series,DataFrame Concatenate 矩阵:Concatenate Series和DataFrame:concat # 创建矩阵 arr1 = np.arange(9).reshape(3,3) arr1 array([[0, 1, 2], [3, 4, 5], [6, 7, 8]]) # 创建矩阵 arr2 = np.arange(9).r
瑞新
2020/07/07
6520
Python数据处理从零开始----第四章(可视化)(16)一文解决小提琴图violin plot
(1)输入数据 所使用的是经典的iris数据, 包括有sepal_length, sepal_width, petal_length,petal_width和 species五个变量,其中前四个为数字变量,最后一个为分类变量 import seaborn as sns df = sns.load_dataset('iris') df.head() Out[25]: sepal_length sepal_width petal_length petal_width species 0
用户1359560
2020/02/18
8430
Python数据处理从零开始----第四章(可视化)(16)一文解决小提琴图violin plot
iris鸢尾花数据集最全数据分析
在写这篇文章之前,首先安利下jupyter,简直是神作,既可以用来写文章,又可以用来写代码,文章和代码并存,简直就是写代码/文章/教程的利器。
滚神大人
2019/09/10
12.1K0
iris鸢尾花数据集最全数据分析
Python基础(十三) | 机器学习sklearn库详解与应用
可见,花瓣的长度和宽度有非常好的相关性。而花萼的长宽效果不好,因此考虑对他们丢弃。
timerring
2022/10/27
7020
Python数据分析 | seaborn工具与数据可视化
教程地址:http://www.showmeai.tech/tutorials/33
ShowMeAI
2022/03/08
2K0
Python数据分析 | seaborn工具与数据可视化
【数据分析与可视化】股票市场分析实战之历史趋势分析
# 基本信息 import numpy as np import pandas as pd from pandas import Series, DataFrame # 股票数据读取 import pandas_datareader as pdr # 可视化 import matplotlib.pyplot as plt import seaborn as sns #%matplotlib inline # time from datetime import datetime start = date
瑞新
2020/07/07
3740
【数据分析与可视化】那些超实用的Jupyter-notebook使用方法
Jupyter-notebook的使用演示 快捷键 Mac版 运行 control+enter 运行并换行 alt+enter 查看传入参数 shift+tab 命令行启动 (base)
瑞新
2020/07/07
5080
数据分析之路—检验温差是否满足正态分布
该方法是由 scipy.stats.kstest 改进而来的,可以做正态分布、指数分布、Logistic 分布、Gumbel 分布等多种分布检验。默认参数为 norm,即正态性检验。
23号杂货铺
2019/10/15
1.3K0
数据分析之路—检验温差是否满足正态分布
数据可视化基础与应用-07-数据可视化第二版各种类型图表的绘制优化版
本系列博客为基于《数据可视化第二版》一书的教学资源博客。本文主要是第6章,比较与排序可视化的案例相关。
用户2225445
2024/04/03
3850
数据可视化基础与应用-07-数据可视化第二版各种类型图表的绘制优化版
【数据分析可视化】通过apply进行数据预处理
import numpy as np import pandas as pd from pandas import Series, DataFrame # 读取apply_demo.csv数据 link_csv = '/Users/bennyrhys/Desktop/数据分析可视化-数据集/homework/apply_demo.csv' df = pd.read_csv(link_csv).head() df time data 0 1473411962 Symbol: APPL Seqno: 0 Pr
瑞新
2020/07/07
4370
【数据分析与可视化】DataFrame的Selecting和indexing
import numpy as np import pandas as pd !pwd /Users/bennyrhys/opt/anaconda3/bin !ls /Users/bennyrhys/Desktop/数据分析可视化-数据集/homework AMZN.csv apply_demo.csv iris.csv top5.csv BABA.csv city_weather.csv movie_metadata.csv trai
瑞新
2020/07/07
4010
【数据分析可视化】病毒传播-随笔
# 基础 import numpy as np import pandas as pd from pandas import DataFrame, Series from datetime import datetime import json import warnings warnings.filterwarnings('ignore')# 忽略python运行过程中的警告 # 可视化 import matplotlib.pyplot as plt import seaborn as sns from
瑞新
2020/07/07
3900
【数据分析可视化】病毒传播-随笔
推荐阅读
相关推荐
【数据分析可视化】seaborn实现直方图和密度图
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档