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. ...
最新文章
- 编译Hi3516a osdrv目录
- Android 工程的创建
- 在.NET Core 上运行的 WordPress
- Python(7)-程序执行的原理
- Spring Security 示例教程
- 对于大批量赋值功能,使用if判断是否能提高性能
- AppStore苹果应用支付开发(In App Purchase)翻译
- Python+Django开发微信公众号后台
- android apk旋转,系统的屏幕旋转弱爆了!超强屏幕旋转控制APP
- 2013中国旅游网站100强排行榜
- 智利车厘子的尺寸说明,给大家扫盲
- 100Mbps 和 100Mb/s 单位Mbps和Mb/s有什么不同
- 嵌入式软件开发笔试面试知识点总结-Linux部分
- 版本不兼容 请检查计算机的系统,解决安装系统提示此文件的版本与正在运行的windows版本不兼容...
- 阿里云服务器怎么样可以实现 frp 内网穿透
- springboot admin整合spingcloud踩坑
- linux wps2016_2016年十大Linux新闻报道
- RTX腾讯通怎么删除群聊人员
- nova3安装android10系统,华为nova3 刷机教程 华为nova3 强刷升级教程
- Oracle 常用函数大全