Seaborn可视化绘制散点图

Seaborn可视化绘制散点图

    • 散点图
    • 为每个点着色
    • 修改点的形状
    • 独立改变每个点的色调和样式
    • 修改点的颜色和大小

  Seaborn是一个基于MatplotlibPython数据可视化库,它提供更高级的接口,用于绘制表现力更强和信息更丰富的统计图形,并与Pandas紧密集成。相较于MatplotlibSeaborn在统计方面的专业性更强。

散点图

调用relplot方法绘制散点图(relplot中的参数kind默认是'scatter')。tips.csv文件内容如下:
Seaborn可视化绘制散点图_第1张图片

import matplotlib.pyplot as plt
import seaborn as sns

sns.set(style='darkgrid')
tips = sns.load_dataset('tips')
sns.relplot(x='total_bill', y='tip', col='time', hue='smoker',
			 style='smoker', size='size', data=tips)
plt.show()

sns.set():调用set方法设置图形主题,共五种主题darkgrid(默认)、whitegrid、dark、white、ticks。更换时使用参数style="主题"即可。
sns.load_dataset(“tips”):加载数据集,并返回数据帧。
sns.relplot:调用relploot方法绘制图形,xy参数决定了点的位置,size参数决定了点形状的大小,col根据参数的值决定画布会产生几个子图,哪些数据会落在哪个子图内,hue和style决定了点的色调和形状。
plt.show():调用show方法显示图形。
Seaborn可视化绘制散点图_第2张图片

为每个点着色

现在我们就观察一下tips.csv文件中的数据。一步步的探究relplot中各个参数的意义。
在绘图时,x轴的total_bill是总金额,y轴的tip是小费,根据x,y的值可以确定一个点,现在使用hue参数进行着色。
tips.csv文件中smoker列只有两种值,Yes或No,那么着色后的每个点会根据hue的值来进行着色。

sns.relplot(x='total_bill', y='tip', hue='smoker', data=tips)

Seaborn可视化绘制散点图_第3张图片

修改点的形状

引入style变量来修改点的形状,根据是否吸烟将形状分为两种。

sns.relplot(x='total_bill', y='tip', hue='smoker', 
				style='smoker', data=tips)

Seaborn可视化绘制散点图_第4张图片

独立改变每个点的色调和样式

点的形状不再根据smoker来判断,这样点的色调和形状将根据不同的标准进行绘制。

sns.relplot(x='total_bill', y='tip', hue='smoker', 
				style='time', data=tips)

Seaborn可视化绘制散点图_第5张图片

修改点的颜色和大小

同时修改点的颜色和大小来强调数据差异,sizes参数可以划定点的大小所在的范围,根据需要进行选择。

sns.relplot(x='total_bill', y='tip', col='time', hue='smoker', 
					size='size', data=tips)

Seaborn可视化绘制散点图_第6张图片

你可能感兴趣的:(Python数据分析,python,可视化,数据可视化)