数据分析之seaborn画图

一、数据导入

In [2]:

import pandas
from pandas import set_option
#括号里面直接指定了数据的来源，当然你也可以按照老师视频中所讲授的来操作
iris = pandas.read_csv('http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data')
iris.columns=['sepal_length','sepal_width','petal_length','petal_width','species']

导入seaborn

In [5]:

import matplotlib.pyplot as plt
import seaborn as sns #要注意的是一旦导入了seaborn，matplotlib的默认作图风格就会被覆盖成seaborn的格式

让图片在notebook里面更加灵活

In [11]:

%matplotlib notebook

中文显示

In [4]:

plt.rc('font', family='SimHei', size=8)

二、条形图

In [10]:

sns.barplot(x="sepal_length",y="species",data=iris)

Out[10]:

三、直方图

In [11]:

sns.distplot(iris["sepal_length"])

Out[11]:

三、折线图

In [12]:

sns.pointplot(x="sepal_length",y="species",data=iris)

Out[12]:

四、散点图

普通散点图

In [19]:

sns.stripplot(x="sepal_length", y="species", data=iris, jitter=True, edgecolor="gray")

Out[19]:

带回归线的散点图

In [15]:

sns.regplot(x="sepal_length",y="sepal_length",data=iris)

Out[15]:

五、箱形图

In [20]:

sns.boxplot(x="sepal_length",y="species",data=iris)

Out[20]:

六、小提琴图

In [22]:

sns.violinplot(x="sepal_length", y="species", data=iris, size=6)

Out[22]:

七、pairplot

In [61]:

sns.pairplot(iris,hue="species",size=2)

Out[61]:

显示kde

In [55]:

sns.pairplot(iris,hue="species", size=2, diag_kind="kde")

Out[55]:

八、热点图

In [8]:

iris_nospecies = iris.pop("species")
sns.heatmap(iris) 
# 

Out[8]:

In [9]:

plt.show()

In [12]:

sns.clustermap(iris, fmt="d",cmap='YlGnBu',figsize=(6,9))

Out[12]:

九、git

git:

https://coding.net/u/RuoYun/p/Python-of-machine-learning/git/tree/master