python学习 —— seaborn、matplotlib、pandas、numpy package的混合使用

  这里使用了Titanic Machine learning数据集,然后通过Seaborn的函数来拟合和绘制回归线,matplotlib进行可视化

  先来一个简单的测试:

import pandas as pd
from matplotlib import pyplot as plt
import seaborn as sns

df = pd.read_csv('../test.csv', index_col=0)  # 读取csv表格, index_col=0表示第0列为id
print(df.head(n=5))  # 打印前5行的数据

# sns.lmplot(x='Age', y='Fare', data=df)
sns.jointplot(x='Age', y='Fare', data=df)

# 去掉以下两句代码可发现原点不在最左下角
plt.ylim(0, None)
plt.xlim(0, None)
plt.show()  # 可视化

  运行结果:

python学习 —— seaborn、matplotlib、pandas、numpy package的混合使用_第1张图片

  sns.lmplot(x='Age', y='Fare', data=df):

python学习 —— seaborn、matplotlib、pandas、numpy package的混合使用_第2张图片

   使用sns.jointplot(x='Age', y='Fare', data=df) # 默认为条形图:

python学习 —— seaborn、matplotlib、pandas、numpy package的混合使用_第3张图片

  sns.jointplot(x='Age', y='Fare', data=df, kind='kde',) # 上右两边的就变为了条形:

python学习 —— seaborn、matplotlib、pandas、numpy package的混合使用_第4张图片

   我发现python3貌似不能用 pd + plt 实现堆积柱状图:

import pandas as pd
from matplotlib import pyplot as plt

df = pd.read_csv('../train.csv', index_col=0)  # 读取csv表格, index_col=0表示第0列为id
print(df.describe())

survived_0 = df.Age[df.Survived == 0].value_counts()
survived_1 = df.Age[df.Survived == 1].value_counts()

print(survived_0)
print(survived_1)

df = pd.DataFrame({'Death': survived_0, 'Survival': survived_1})
df.plot(kind='bar',) # 条形

plt.title('View by Age')
plt.xlabel('Age')
plt.ylabel('Density')

plt.show()

  运行结果:python学习 —— seaborn、matplotlib、pandas、numpy package的混合使用_第5张图片

  将df.plot(kind='bar')改为

df.plot(kind='kde',) # 曲线

  运行结果:

python学习 —— seaborn、matplotlib、pandas、numpy package的混合使用_第6张图片

  这样也不错:

g = sns.jointplot(x='Survived', y='Fare', data=df, kind='kde',)

g.plot_joint(plt.scatter, c="w", s=30, linewidth=1, marker="+")
g.ax_joint.collections[0].set_alpha(0)

  运行结果:python学习 —— seaborn、matplotlib、pandas、numpy package的混合使用_第7张图片

  sns.load_dataset()是调用官网github网站中的数据集或者安装包时下载到本地的数据集:

python学习 —— seaborn、matplotlib、pandas、numpy package的混合使用_第8张图片

  不出我意料的有titanic,于是使用之:

sns.set(style="ticks", color_codes=True)
titanic = sns.load_dataset('titanic', cache=False)  # 看底层代码,设置cache为False就不用联网去找了
g = sns.pairplot(titanic, hue="age",)   # hue不能传入'survivde' 记得都是小写

plt.show()

  数据较多 运行有点慢、有点卡 = =:

python学习 —— seaborn、matplotlib、pandas、numpy package的混合使用_第9张图片

  未完待续。。。

转载于:https://www.cnblogs.com/darkchii/p/8850517.html

你可能感兴趣的:(python学习 —— seaborn、matplotlib、pandas、numpy package的混合使用)