數據可視化(2)-Seaborn系列 | 散點圖scatterplot()
- 2019 年 10 月 4 日
- 筆記
本篇是《Seaborn系列》文章的第2篇-散點圖。
案例程式碼:：歡迎給個star
https://github.com/Vambooo/SeabornCN
散點圖
解讀
可以通過調整顏色、大小和樣式等參數來顯示數據之間的關係。
函數原型
seaborn.scatterplot(x=None, y=None, hue=None, style=None, size=None, data=None, palette=None, hue_order=None, hue_norm=None, sizes=None, size_order=None, size_norm=None, markers=True, style_order=None, x_bins=None, y_bins=None, units=None, estimator=None, ci=95, n_boot=1000, alpha='auto', x_jitter=None, y_jitter=None, legend='brief', ax=None, **kwargs)
參數解讀
data: DataFrame 可選參數 x,y為數據中變數的名稱; 作用：對將生成具有不同顏色的元素的變數進行分組。可以是分類或數字. size：數據中的名稱 作用：根據指定的名稱(列名)，根據該列中的數據值的大小生成具有不同大小的效果。可以是分類或數字。 style:數據中變數名稱(比如：二維數據中的列名) 作用：對將生成具有不同破折號、或其他標記的變數進行分組。 palette:調試板名稱，列表或字典類型 作用：設置hue指定的變數的不同級別顏色。 hue_order:列表(list)類型 作用：指定hue變數出現的指定順序，否則他們是根據數據確定的。 hue_norm:tuple或Normalize對象 sizes:list dict或tuple類型 作用：設置線寬度，當其為數字時，它也可以是一個元組，指定要使用的最大和最小值，會自動在該範圍內對其他值進行規範化。
案例教程
import matplotlib.pyplot as plt import seaborn as sns; sns.set() tips = sns.load_dataset("tips") """ 案例1：散點圖 """ sns.scatterplot( x="total_bill", y="tip",data=tips) plt.show()
import matplotlib.pyplot as plt import seaborn as sns; sns.set() tips = sns.load_dataset("tips") """ 案例2：設置hue 根據設置的類別，產生顏色不同的點的散點圖 eg.下圖為根據time分類的散點圖 """ sns.scatterplot(x="total_bill", y="tip", hue="time",data=tips) plt.show()
import matplotlib.pyplot as plt import seaborn as sns; sns.set() tips = sns.load_dataset("tips") """ 案例3：設置hue 根據設置的類別，產生顏色不同的點的散點圖，設置style，使其生成不同的標記的點 eg.下圖為hue與style設置相同的分類的散點圖 """ sns.scatterplot(x="total_bill", y="tip",hue="time", style="time", data=tips) plt.show()
import matplotlib.pyplot as plt import seaborn as sns; sns.set() tips = sns.load_dataset("tips") """ 案例4：設置hue 根據設置的類別，產生顏色不同的點的散點圖，設置style，使其生成不同的標記的點 eg.下圖為hue與style設置不同的分類的散點圖 """ sns.scatterplot(x="total_bill", y="tip",hue="day", style="time", data=tips) plt.show()
import matplotlib.pyplot as plt import seaborn as sns; sns.set() tips = sns.load_dataset("tips") """ 案例5：設置size ，根據設置的類別，產生大小不同的點的散點圖 """ sns.scatterplot(x="total_bill", y="tip", size="time",data=tips) plt.show()
import matplotlib.pyplot as plt import seaborn as sns; sns.set() tips = sns.load_dataset("tips") """ 案例6：同時設置hue和size，根據設置的類別，產生顏色和大小不同的點的散點圖 """ sns.scatterplot(x="total_bill", y="tip",hue="time", size="time",data=tips) plt.show()
import matplotlib.pyplot as plt import seaborn as sns; sns.set() tips = sns.load_dataset("tips") """ 案例7：同時設置hue和size，根據設置的類別，產生顏色和大小不同的點的散點圖 不過這裡的顏色使用的是Set2中的，palette="Set2", """ sns.scatterplot(x="total_bill", y="tip", hue="day", size="smoker", palette="Set2", data=tips) plt.show()
import matplotlib.pyplot as plt import seaborn as sns; sns.set() tips = sns.load_dataset("tips") """ 案例8：使用指定的標記 """ markers = {"Lunch": "s", "Dinner": "X"} sns.scatterplot(x="total_bill", y="tip", style="time", markers=markers, data=tips) plt.show()
import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns; plt.close("all") sns.set() """ 案例10：利用pandas構建時間序列數據,從2000-1-31開始，以月為頻率，生成100條時間序列 """ index = pd.date_range("2000-1-11", periods=100, freq="m", name="date") data = np.random.randn(100, 4).cumsum(axis=0) wide_df = pd.DataFrame(data, index, ["a", "b", "c", "d"]) sns.scatterplot(data=wide_df) plt.show()
案例地址
案例程式碼已上傳：https://github.com/Vambooo/SeabornCN
整理製作：數據分析與可視化學研社
