Python-科学计算-seaborn-03-箱形图
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1x="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DataFramepalette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
图5 cmap=”hot_r”效果图
传送门
本文为原创作品，欢迎分享朋友圈
举报
腾讯云开发者
