seaborn系列 (2) | 散点图scatterplot()

本篇是《Seaborn系列》文章的第2篇.

散点图

散点图 scatterplot
函数原型
参数解读
案例教程
案例地址

散点图 scatterplot

seaborn.scatterplot()散点图

解读
可以通过调整颜色、大小和样式等参数来显示数据之间的关系。

函数原型

seaborn.scatterplot(x=None, y=None, hue=None,style=None, size=None, data=None, palette=None, hue_order=None, hue_norm=None,sizes=None, size_order=None, size_norm=None, markers=True, style_order=None, x_bins=None,y_bins=None, units=None, estimator=None, ci=95, n_boot=1000, alpha='auto', x_jitter=None,y_jitter=None, legend='brief', ax=None, **kwargs)

参数解读

data: DataFrame可选参数x,y为数据中变量的名称;
作用：对将生成具有不同颜色的元素的变量进行分组。可以是分类或数字.size：数据中的名称
作用：根据指定的名称(列名)，根据该列中的数据值的大小生成具有不同大小的效果。可以是分类或数字。style:数据中变量名称(比如：二维数据中的列名)
作用：对将生成具有不同破折号、或其他标记的变量进行分组。palette:调试板名称，列表或字典类型
作用：设置hue指定的变量的不同级别颜色。hue_order:列表(list)类型
作用：指定hue变量出现的指定顺序，否则他们是根据数据确定的。hue_norm:tuple或Normalize对象sizes:list dict或tuple类型
作用：设置线宽度，当其为数字时，它也可以是一个元组，指定要使用的最大和最小值，会自动在该范围内对其他值进行规范化。

案例教程

案例代码已上传：Github地址

import matplotlib.pyplot as plt
import seaborn as sns;
sns.set()
tips = sns.load_dataset("tips")
"""
案例1：散点图
"""
sns.scatterplot( x="total_bill", y="tip",data=tips)
plt.show()


import matplotlib.pyplot as plt
import seaborn as sns;
sns.set()
tips = sns.load_dataset("tips")
"""
案例2：设置hue 根据设置的类别，产生颜色不同的点的散点图
eg.下图为根据time分类的散点图
"""
sns.scatterplot(x="total_bill", y="tip", hue="time",data=tips)
plt.show()


import matplotlib.pyplot as plt
import seaborn as sns;
sns.set()
tips = sns.load_dataset("tips")
"""
案例3：设置hue 根据设置的类别，产生颜色不同的点的散点图，设置style，使其生成不同的标记的点
eg.下图为hue与style设置相同的分类的散点图
"""
sns.scatterplot(x="total_bill", y="tip",hue="time", style="time", data=tips)
plt.show()


import matplotlib.pyplot as plt
import seaborn as sns;
sns.set()
tips = sns.load_dataset("tips")
"""
案例4：设置hue 根据设置的类别，产生颜色不同的点的散点图，设置style，使其生成不同的标记的点
eg.下图为hue与style设置不同的分类的散点图
"""
sns.scatterplot(x="total_bill", y="tip",hue="day", style="time", data=tips)
plt.show()


import matplotlib.pyplot as plt
import seaborn as sns;
sns.set()
tips = sns.load_dataset("tips")
"""
案例5：设置size ，根据设置的类别，产生大小不同的点的散点图
"""
sns.scatterplot(x="total_bill", y="tip", size="time",data=tips)
plt.show()

import matplotlib.pyplot as plt
import seaborn as sns;
sns.set()
tips = sns.load_dataset("tips")
"""
案例6：同时设置hue和size，根据设置的类别，产生颜色和大小不同的点的散点图
"""
sns.scatterplot(x="total_bill", y="tip",hue="time", size="time",data=tips)
plt.show()


import matplotlib.pyplot as plt
import seaborn as sns;
sns.set()
tips = sns.load_dataset("tips")
"""
案例7：同时设置hue和size，根据设置的类别，产生颜色和大小不同的点的散点图
不过这里的颜色使用的是Set2中的，palette="Set2",
"""
sns.scatterplot(x="total_bill", y="tip",hue="day", size="smoker",palette="Set2",data=tips)
plt.show()


import matplotlib.pyplot as plt
import seaborn as sns;
sns.set()
tips = sns.load_dataset("tips")
"""
案例8：使用指定的标记
"""
markers = {"Lunch": "s", "Dinner": "X"}
sns.scatterplot(x="total_bill", y="tip", style="time",markers=markers,data=tips)
plt.show()

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns;
plt.close("all")
sns.set()
"""
案例10：
利用pandas构建时间序列数据,从2000-1-31开始，以月为频率，生成100条时间序列
"""
index = pd.date_range("2000-1-11", periods=100,freq="m", name="date")
data = np.random.randn(100, 4).cumsum(axis=0)
wide_df = pd.DataFrame(data, index, ["a", "b", "c", "d"])
sns.scatterplot(data=wide_df)
plt.show()

案例地址

上述案例代码已上传：Github地址

Github地址https://github.com/Vambooo/SeabornCN
更多技术干货在公众号：数据分析与可视化学研社

seaborn系列 (2) | 散点图scatterplot()相关推荐

seaborn系列 (4) | 分类图catplot()
分类图分类图函数原型参数解读案例教程案例地址本篇是<Seaborn系列>文章的第4篇-分类图. 分类图分类图catplot() 解析: catplot() 分类图(它是下面8 ...
seaborn系列(1) | 关系类图relplot用法
本篇是<Seaborn系列>文章的第1篇. 关系类图relplot 关系类图函数原型参数解读案例教程案例地址关系类图 seaborn.relplot()解读注意:数据一定是通过 ...
Seaborn系列(三)：分布统计绘图(distribution)
Seaborn系列目录文章目录 1. 分布统计绘图API概述 2. displot单变量分布图(直方图.核密度.累积分布) 2.1 displot函数绘制单变量分布图 2.2 displot直方图k ...
seaborn系列 (9) | 分簇散点图swarmplot()
目录分簇散点图函数原型参数解读案例教程案例地址分簇散点图分簇散点图可以理解为数据点不重叠的分类散点图该函数类似于stripplot(),但该函数可以对点进行一些调整,使得数据点不重叠 ...
seaborn系列 (8) | 分类散点图stripplot()
分类散点图分类散点图函数原型参数解读案例教程案例地址分类散点图 stripplot()可以自己实现对数据分类的展现,也可以作为盒形图或小提琴图的一种补充,用来显示所有结果以及基本分布情况. ...
seaborn系列 (16) | 变量关系组图pairplot()
目录变量关系组图函数原型参数解读案例教程案例地址变量关系组图函数原型 seaborn.pairplot(data, hue=None, hue_order=None, palette=N ...
seaborn系列 (15) | 双变量关系图jointplot()
目录双变量关系图函数原型参数解读案例教程案例地址双变量关系图在默认情况下双变量关系图是散点图与直方图组合的联合直方图,可以通过设置kind来改变联合直方图. 函数原型 seaborn.j ...
seaborn系列 (13) | 点图pointplot()
目录点图函数原型参数解读案例教程案例地址点图点图表示通过散点图点的位置对数值变量的中心趋势的估计. 点图用于集中在一个或多个分类变量的不同级别之间的比较,有时比条形图更有用. 注:点图只 ...
seaborn系列 (12) | 增强箱图boxenplot()
目录增强箱图函数原型参数解读案例教程案例地址增强箱图增强箱图又称增强盒形图,可以为大数据集绘制增强的箱图. 增强箱图通过绘制更多的分位数来提供数据分布的信息. 函数原型 seaborn. ...

seaborn系列 (2) | 散点图scatterplot()

散点图

散点图 scatterplot

函数原型

参数解读

案例教程

案例地址

seaborn系列 (2) | 散点图scatterplot()相关推荐

最新文章

热门文章