Py之seaborn：數據可視化seaborn庫(二)的組合圖可視化之密度圖/核密度圖分布可視化、箱型圖/散點圖、小提琴圖/散點圖組合可視化的簡介、使用方法之最強攻略(建議收藏)

?

?

?

目錄

二、組合圖可視化

1、密度圖、核密度圖分布可視化：distplot函數+kdeplot函數

2、箱型圖、散點圖組合可視化(僅第2變量必須為數值型)

3、小提琴圖、散點圖組合可視化(僅第2變量必須為數值型)

---

?

?

相關文章
Py之seaborn：seaborn庫的簡介、安裝、使用方法之詳細攻略
Py之seaborn：數據可視化seaborn庫(一)的柱狀圖、箱線圖(置信區間圖)、散點圖/折線圖、核密度圖/等高線圖、盒形圖/小提琴圖/LV多框圖的簡介、使用方法之最強攻略(建議收藏)
Py之seaborn：數據可視化seaborn庫(二)的組合圖可視化之密度圖/核密度圖分布可視化、箱型圖/散點圖、小提琴圖/散點圖組合可視化的簡介、使用方法之最強攻略(建議收藏)
Py之seaborn：數據可視化seaborn庫(三)的矩陣圖可視化之jointplot函數、JointGrid函數、pairplot函數、PairGrid函數、FacetGrid函數的簡介、使用方法之最強攻略(建議收藏)

二、組合圖可視化

1、密度圖、核密度圖分布可視化：distplot函數+kdeplot函數

distplot()函數：集合了matplotlib的hist()與核函數估計kdeplot的功能，增加了rugplot分布觀測條顯示與利用scipy庫fit擬合參數分布的新穎用途。其中，直方圖表示通過沿數據范圍形成分箱，然后繪制條以顯示落入每個分箱的觀測次數的數據分布圖。

fig, axes = plt.subplots(1,2,figsize=(10,6))sns.distplot(data_frame[cols[0]], # 不寫為x=data_frame[cols[0]]，是因為這樣可自動添加橫坐標標簽 # bins=10, # 自定義柱狀寬度，不設置更好,會自動計算 # hist=True,kde = True, norm_hist = False, # 柱狀圖是否按照密度來顯示，如果為 False,顯示計數，嘗試測試-----------------rug = True, # 單變量的柱狀圖，hist、ked、rug：bool，是否顯示箱柱狀圖/密度曲線/邊際毛毯數據分布/陰影，嘗試測試----------------- # fit=norm, # fit 可結合scipy庫在圖像上做擬合,擬合標準正態分布vertical = False, # 是否水平顯示，True label='dis', # label 圖例， # axlabel=cols[0], # axlabel x軸標注ax = axes[0], )sns.kdeplot(data_frame[cols[0]],shade=True, # shade(顏色填充KDE曲線下方的區域)bw=bw01,label='kde_bw%.2f'%bw01,# axlabel=cols[0], # label 圖例，axlabel x軸標注ax = axes[1], )

?

2、箱型圖、散點圖組合可視化(僅第2變量必須為數值型)

sns.boxplot(x=cols[0],y=cols[1],data=data_frame,hue=cols[2], # 該特征必須為類別型特征linewidth=2, width=0.8, fliersize=3, # 線寬、箱之間的間隔比例，異常點大小whis = 1.5, # 設置IQR notch = True, # 設置是否以中值做凹槽，嘗試測試-----------------# order = ['Thur','Fri','Sat','Sun'], )sns.swarmplot(x=cols[0],y=cols[1],data=data_frame, # color ='k',size = 3,alpha = 0.8,)

?

3、小提琴圖、散點圖組合可視化(僅第2變量必須為數值型)

sns.violinplot(x=cols[0],y=cols[1],data=data_frame,hue=cols[2], # 該特征必須為類別型特征scale = 'area', # 測度小提琴圖的寬度：area-面積相同，count-按照樣本數量決定寬度，width-寬度一樣gridsize = 50, # 設置小提琴圖邊線的平滑度，越高越平滑inner = 'box', # 設置內部顯示類型 → box、quartile、point、stick、None，嘗試測試----------------- # split=True, # 設置是否拆分小提琴圖，前提條件是第三特征為二類別屬性，嘗試測試-----------------#bw = 0.8 # 控制擬合程度，一般可以不設置)sns.swarmplot(x=cols[0],y=cols[1],data=data_frame,hue=cols[2], # 該特征必須為類別型特征 # color="w", alpha=.5,)

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

總結

以上是生活随笔為你收集整理的Py之seaborn：数据可视化seaborn库(二)的组合图可视化之密度图/核密度图分布可视化、箱型图/散点图、小提琴图/散点图组合可视化的简介、使用方法之最强攻略(建议收藏)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。