数据挖掘——seaborn
import seaborn as sns
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
绘制单变量分布
# seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None, color=None)
# 上述函数中常用参数的含义如下：
# (1) a：表示要观察的数据，可以是 Series、一维数组或列表。
# (2) bins：用于控制条形的数量。
# (3) hist：接收布尔类型，表示是否绘制(标注)直方图。
# (4) kde：接收布尔类型，表示是否绘制高斯核密度估计曲线。
# (5) rug：接收布尔类型，表示是否在支持的轴方向上绘制rugplot。
np.random.seed(0)#确定随机数生成器中生成的数据是一致的
arr = np.random.randn(100)
sns.displot(arr,bins=10,kde=True,rug=True)
绘制双变量分布
绘制散点图
# 创建DataFrame数据
df = pd.DataFrame({"x":np.random.randn(500),"y":np.random.randn(500)})
df.head()
| x | y | |
|---|---|---|
| 0 | 1.883151 | -1.550429 |
| 1 | -1.347759 | 0.417319 |
| 2 | -1.270485 | -0.944368 |
| 3 | 0.969397 | 0.238103 |
| 4 | -1.173123 | -1.405963 |
# jointplot()函数的语法格式如下。
# seaborn.jointplot(x, y, data=None,
# kind='scatter', stat_func=None, color=None,
# ratio=5, space=0.2, dropna=True)
# 上述函数中常用参数的含义如下：
# (1) kind：表示绘制图形的类型。
# (2) stat_func：用于计算有关关系的统计量并标注图。
# (3) color：表示绘图元素的颜色。
# (4) size：用于设置图的大小(正方形)。
# (5) ratio：表示中心图与侧边图的比例。该参数的值越大，则中心图的占比会越大。
# (6) space：用于设置中心图与侧边图的间隔大小。
# 下面以散点图、二维直方图、核密度估计曲线为例，为大家介绍如何使用 Seaborn绘制这些图形。
sns.jointplot(x="x",y="y",data=df,kind="scatter",color="green",height=8,ratio=2,space=1)
绘制二维直方图
# 颜色越深代表数据越密集 颜色越浅代表数据越稀疏
sns.jointplot(x="x",y="y",data=df,kind="hex")
绘制核密度估计度
# 看等高线的颜色深浅来绘制 颜色越深代表数据越密集 颜色越浅代表数据越稀疏
sns.jointplot(x="x",y="y",data=df,kind="kde")
sns.kdeplot(x="x",y="y",data=df,shade=True,cbar=True)
绘制成对的双变量分布
dataset = sns.load_dataset("iris")
dataset.head()
| sepal_length | sepal_width | petal_length | petal_width | species | |
|---|---|---|---|---|---|
| 0 | 5.1 | 3.5 | 1.4 | 0.2 | setosa |
| 1 | 4.9 | 3.0 | 1.4 | 0.2 | setosa |
| 2 | 4.7 | 3.2 | 1.3 | 0.2 | setosa |
| 3 | 4.6 | 3.1 | 1.5 | 0.2 | setosa |
| 4 | 5.0 | 3.6 | 1.4 | 0.2 | setosa |
# 斜线上的是数据本身的一个分布，非斜线的是两个变量之间的一个关系
sns.pairplot(dataset)
用分类数据绘图
类别散点图
data = sns.load_dataset("tips")
data.head()
| total_bill | tip | sex | smoker | day | time | size | |
|---|---|---|---|---|---|---|---|
| 0 | 16.99 | 1.01 | Female | No | Sun | Dinner | 2 |
| 1 | 10.34 | 1.66 | Male | No | Sun | Dinner | 3 |
| 2 | 21.01 | 3.50 | Male | No | Sun | Dinner | 3 |
| 3 | 23.68 | 3.31 | Male | No | Sun | Dinner | 2 |
| 4 | 24.59 | 3.61 | Female | No | Sun | Dinner | 4 |
# (1) x，y，hue：用于绘制长格式数据的输入。hue根据所指定的属性上色分类
# (2) data：用于绘制的数据集。如果x和y不存在，则它将作为宽格式，否则将作为长格式。
# (3) jitter：表示抖动的程度(仅沿类別轴)。当很多数据点重叠时，可以指定抖动的数量或者设为Tue使用默认值。
sns.stripplot(x="day",y="total_bill",data=data,hue="time",jitter=False)
sns.stripplot(x="day",y="total_bill",data=data,hue="time",jitter=True)
# swarmplot 让所有数据无重合现象
sns.swarmplot(x="day",y="total_bill",data=data)
类别内数据分布
# 箱型图
# (1) palette：用于设置不同级别色相的颜色变量。---- palette=["r","g","b","y"]
# (2) saturation：用于设置数据显示的颜色饱和度。---- 使用小数表示
sns.boxplot(x="day",y="total_bill",data=data,hue="time",palette={"g","r"},saturation=0.5)
# 绘制小提琴图
sns.violinplot(x="day",y="total_bill",data=data,hue="time")
类别内统计估计
sns.barplot(x="day",y="total_bill",data=data,hue="time")
sns.pointplot(x="day",y="total_bill",data=data,hue="time")
