【数据可视化】Seaborn简单介绍

什么是Seaborn

Seaborn是基于matplotlib的图形可视化python包。它提供了一种高度交互式界面,便于用户能够做出各种有吸引力的统计图表。

Seaborn是在matplotlib的基础上进行了更高级的API封装,从而使得作图更加容易,在大多数情况下使用seaborn能做出很具有吸引力的图,而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充,而不是替代物。同时它能高度兼容numpy与pandas数据结构以及scipy与statsmodels等统计模式。

按照国际惯例,先装一波

什么报错了,报错是肯定的,seaborn包依赖于scipy包,所以要先装scipy,解决方法如下:

升级pip解决了这个问题

seaborn API

Seaborn 要求原始数据的输入类型为 pandas 的 Dataframe 或 Numpy 数组,画图函数有以下几种形式:

sns.图名(x='X轴 列名', y='Y轴 列名', data=原始数据df对象)

sns.图名(x='X轴 列名', y='Y轴 列名', hue='分组绘图参数', data=原始数据df对象)

sns.图名(x=np.array, y=np.array[, …])

直方图的绘制

barplot

将点估计和置信区间显示为矩形条。

条形图表示具有每个矩形的高度的数值变量的集中趋势的估计,并且使用误差条提供围绕该估计的不确定性的一些指示

API介绍

Example for barplot

横坐标为0-7的整数,纵坐标表示这八个整数分别所占的权重,调整 palette 参数可以美化显示风格

image

seaborn.barplot实战1.数据集

通过爬虫爬取了猫眼上面,用户对电影《狄仁杰之四大天王》的影评,如下图所示,包括

(1.评论时间;(2.评论者的用户ID;(3.评论者所在地区;(4.评分;(5.评论内容

根据评分,我们来看一看,电影的评分的分布情况

image

2.代码

通过pandas,读取出数据在data中,评分在rate下面 ,data['rate'].value_counts(),统计出各分数的人数,如下图所示

image

最后横坐标为rate.index(0.0,0.5,1.0,1.5….5.0),纵坐标为给出各分数的人数/总人数,这很容易理解,最后算出的就是,这个评分所占的比例。

3.分析结果

image

看到超过40%的人给出了5.0的评分,超过85%的人给出了3.5以上的评分,至少说明这部电影在口碑方面上取得的成绩是比较好的.

小结

结合爬虫爬取下来的电影数据,根据评分来通过seaborn绘制出评分的发布直方图,只介绍了seaborn的一种方法,不要着急,stpe by stpe.事实上一头扎进文档里,我相信看过5种绘图方式,你就记不住了,方法学会了,之后,根据需求,查阅文档,现学现用就行了

  • 发表于:
  • 原文链接:https://kuaibao.qq.com/s/20180902G0DG5400?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区