Seaborn——绘制统计图形
文章目錄
- 可視化數(shù)據(jù)的分布
- 繪制單變量分布
- 繪制雙變量分布
- 繪制成對(duì)的雙變量分布
- 用分類數(shù)據(jù)繪圖
- 類別散點(diǎn)圖
- 通過stripplot()函數(shù)畫散點(diǎn)圖
- swarmplot()函數(shù)
- 類別內(nèi)的數(shù)據(jù)分布
- 繪制箱型圖
- 繪制提琴圖
- 類別內(nèi)的統(tǒng)計(jì)估計(jì)
- 繪制條形圖
- 繪制點(diǎn)圖
可視化數(shù)據(jù)的分布
繪制單變量分布
一般采用最簡單的直方圖描述單變量的分布情況。Seaborn中提供了displot()函數(shù)。
distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None,
hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None,
color=None, vertical=False, norm_hist=False, axlabel=None,
label=None, ax=None)
上述函數(shù)中常用的參數(shù)含義如下：
通過distplot()函數(shù)繪制直方圖：
import seaborn as sns import numpy as npsns.set() # 顯式調(diào)用set()獲取默認(rèn)繪圖 np.random.seed(0) # 確定隨機(jī)數(shù)生成器的種子 arr = np.random.randn(100) # 生成隨機(jī)數(shù)組 ax = sns.distplot(arr, bins=10) # 繪制直方圖輸出結(jié)果：
由圖可得，直方圖共有10個(gè)條柱，每個(gè)條柱的顏色為藍(lán)色，并且擁有核密度估計(jì)曲線。核密度估計(jì)是在概率論中用來估計(jì)未知的密度函數(shù)，屬于非參數(shù)檢驗(yàn)方法之一，可以比較直觀地看出數(shù)據(jù)樣本本身的分布特征。
如果想要僅擁有核密度估計(jì)曲線，設(shè)置相關(guān)參數(shù)即可：
arr_random = np.random.randint(0, 100, 500) # 繪制包含500個(gè)位于[0, 100)之間的隨機(jī)整數(shù)數(shù)組 sns. distplot(arr_random, hist=False, rug=True) # 繪制核密度估計(jì)曲線輸出結(jié)果：
繪制一條核密度估計(jì)曲線，并且在x軸的上方生成了觀測(cè)數(shù)值的小細(xì)條。
注意：如果希望Seaborn用Matplotlib的默認(rèn)樣式，之前可以通過從Seaborn庫中導(dǎo)入apionly模塊解決這個(gè)問題，但是從2017年7月起這個(gè)方法已經(jīng)被棄用了。因此，現(xiàn)在導(dǎo)入Seaborn時(shí)，需要顯式地調(diào)用set()或set_style()、set_context()和set_palette()中的一個(gè)或多個(gè)函數(shù)，以獲取Seaborn或者M(jìn)atplotlib默認(rèn)的繪圖樣式。
擬合并繪制核密度估計(jì)曲線還可以使用kedeplot()函數(shù)
繪制雙變量分布
兩個(gè)變量的二元分布可視化可以顯示兩個(gè)變量之間的雙變量關(guān)系以及每個(gè)變量在單獨(dú)坐標(biāo)軸上的單變量分布。
jointplot(x, y, data=None, kind=“scatter”, stat_func=None,
color=None, height=6, ratio=5, space=.2,
dropna=True, xlim=None, ylim=None,
joint_kws=None, marginal_kws=None, annot_kws=None, **kwargs)
上述函數(shù)中常用參數(shù)的含義如下：
繪制散點(diǎn)圖：
dataframe_obj = pd.DataFrame({"x": np.random.randn(500),"y": np.random.randn(500)}) # 創(chuàng)建DataFrame對(duì)象 sns.jointplot(x="x", y='y', data=dataframe_obj) # 繪制散點(diǎn)圖輸出結(jié)果：
x軸的名稱為“x”，y軸的名稱為“y”，兩軸的數(shù)據(jù)均為500個(gè)隨機(jī)數(shù)。可以看到的是散點(diǎn)圖的上方和右側(cè)增加了直方圖，便于觀察x和y軸數(shù)據(jù)的整體分布情況，并且它們的均值都是0。
繪制二維直方圖：
dataframe_obj = pd.DataFrame({"x": np.random.randn(500),"y": np.random.randn(500)}) # 創(chuàng)建DataFrame對(duì)象 sns.jointplot(kind='hex', data=dataframe_obj, x='x', y='y') # 繪制二維直方圖輸出結(jié)果：
從六邊形顏色的深淺，可以觀察到數(shù)據(jù)密集的程度，圖形的上方和右側(cè)依然給出了直方圖。
注意： 繪制二維直方圖時(shí)最好是用白色背景以便觀察六邊形顏色深淺。
繪制核密度估計(jì)圖形：
利用核密度估計(jì)同樣可以查看二元分布，Seaborn中用等高線圖來表示。
sns.jointplot(kind='kde', x='x', y='y', data=dataframe_obj) # 繪制核密度估計(jì)圖形輸出結(jié)果：
繪制了核密度的等高線圖，通過觀察等高線的顏色深淺，可以看出哪個(gè)范圍的數(shù)值分布的最多，哪個(gè)范圍的數(shù)值分布的最少。同樣的，在圖形的上方和右側(cè)給出了核密度曲線圖。
繪制成對(duì)的雙變量分布
要想在數(shù)據(jù)集中繪制成對(duì)的雙變量分布，則可以使用pairplot()函數(shù)實(shí)現(xiàn)，該函數(shù)會(huì)創(chuàng)建一個(gè)坐標(biāo)軸矩陣，并顯示DataFrame對(duì)象中每對(duì)變量的關(guān)系。該函數(shù)亦可繪制每個(gè)變量在對(duì)角軸上的單變量分布。
代碼如下：
通過load_dataset()函數(shù)加載了seaborn中內(nèi)置的數(shù)據(jù)集，根據(jù)tips數(shù)據(jù)集繪制多個(gè)雙變量分布。【如無法正確運(yùn)行，則在這里下載zip文件，然后在電腦中，使用搜索功能找到seaborn-data文件夾，將zip文件解壓到文件夾中，具體步驟如下圖：】
輸出結(jié)果：
用分類數(shù)據(jù)繪圖
類別散點(diǎn)圖
stripplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,
jitter=True, dodge=False, orient=None, color=None, palette=None,
size=5, edgecolor=“gray”, linewidth=0, ax=None, **kwargs)
上述函數(shù)中常用參數(shù)如下：
通過stripplot()函數(shù)畫散點(diǎn)圖
代碼如下：
tips = sns.load_dataset("tips") sns.stripplot(x='day', y='total_bill', data=tips)輸出結(jié)果：
從圖中可以看出，圖標(biāo)橫坐標(biāo)時(shí)分類的數(shù)據(jù)，而且一些數(shù)據(jù)點(diǎn)會(huì)互相重疊，不易于觀察。可以在調(diào)用stripplot()函數(shù)時(shí)傳入jitter參數(shù)，以調(diào)整橫坐標(biāo)的位置。
改變橫坐標(biāo)的位置：
tips = sns.load_dataset("tips") sns.stripplot(x='day', y='total_bill', data=tips, jitter=True)輸出結(jié)果：
swarmplot()函數(shù)
亦可使用swarmplot()函數(shù)繪制散點(diǎn)圖，該函數(shù)的好處是所有的數(shù)據(jù)點(diǎn)都不會(huì)重疊，可以很清晰地觀察到數(shù)據(jù)的分布情況。
代碼如下：
tips = sns.load_dataset("tips") sns.swarmplot(x='day', y='total_bill', data=tips)輸出結(jié)果：
類別內(nèi)的數(shù)據(jù)分布
由于散點(diǎn)圖查看各個(gè)分類中的數(shù)據(jù)分布不夠直觀，故可利用下列兩種圖形查看：
繪制箱型圖
boxplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,
orient=None, color=None, palette=None, saturation=.75,
width=.8, dodge=True, fliersize=5, linewidth=None,
whis=1.5, ax=None, **kwargs)
上述函數(shù)常用參數(shù)如下：
代碼如下：
tips = sns.load_dataset("tips") sns.boxplot(x='day', y='total_bill', data=tips)輸出結(jié)果：
x軸的名稱為day，刻度范圍是Thur ~ Sun（周四至周日），y軸的名稱為total_bill，刻度范圍為10 ~ 50左右。
從圖中可以看出，Thur列、Fri列中大部分?jǐn)?shù)據(jù)都小于30，但Thur列有5個(gè)異常值大于30、Fri列中有1個(gè)異常值大于40；Sat列中有3個(gè)大于40的異常值；Sun列中有兩個(gè)大于40的異常值。
繪制提琴圖
violinplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,
bw=“scott”, cut=2, scale=“area”, scale_hue=True, gridsize=100,
width=.8, inner=“box”, split=False, dodge=True, orient=None,
linewidth=None, color=None, palette=None, saturation=.75,
ax=None, **kwargs)
代碼如下：
tips = sns.load_dataset("tips") sns.violinplot(x='day', y='total_bill', data=tips)輸出結(jié)果：
由圖可得，Thur列中位于5 ~ 25之間的數(shù)值較多，Fri列中位于5 ~ 30之間的數(shù)值較多，Sat列中位于5 ~ 35之間的數(shù)值較多，Sun列中位于5 ~ 40之間的數(shù)值較多。
類別內(nèi)的統(tǒng)計(jì)估計(jì)
想要集中查看每個(gè)分類的集中趨勢(shì)可以使用條形圖和點(diǎn)圖進(jìn)行展示。
繪制條形圖
默認(rèn)情況下， barplot()函數(shù)會(huì)在整個(gè)數(shù)據(jù)集上使用均值進(jìn)行估計(jì)。若每個(gè)類別中有多個(gè)類別時(shí)（使用了hue參數(shù)），則條形圖可以使用引導(dǎo)來計(jì)算估計(jì)的置信區(qū)間（樣本統(tǒng)計(jì)量構(gòu)造的總體參數(shù)的估計(jì)區(qū)間），并使用誤差條來表示置信區(qū)間。
代碼如下：
tips = sns.load_dataset("tips") sns.barplot(x='day', y='total_bill', data=tips) # 繪制條形圖輸出結(jié)果：
繪制點(diǎn)圖
該函數(shù)會(huì)用高度估計(jì)值對(duì)數(shù)據(jù)進(jìn)行描述，而不是顯示完整的條形，只繪制點(diǎn)估計(jì)和置信區(qū)間。
代碼如下：
tips = sns.load_dataset("tips") sns.pointplot(x='day', y='total_bill', data=tips) # 繪制點(diǎn)圖輸出結(jié)果：
總結(jié)
以上是生活随笔為你收集整理的Seaborn——绘制统计图形的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 赔率怎么算的
- 下一篇： leetcode1502. 判断能否形成