python 数据可视化sns作图

相信很多人在jupyter notebook画图，是这样的过程，

画什么图？散点？柱状？function是什么？google查一下。

嗯，我还差个标题，标题加在哪里，stackoverflow 看看有没有。

对了，我还要调颜色，调坐标，我还想双轴展示，左右展示。

然后，google看了10几个链接，结果，要么花了半个小时，不停试错，终于画出了想要的图，要么还在一个个点google 搜索的link内容。

如果你有大量时间，当然是没什么问题，但是数据岗位求职时候，那些take home challenge可不会给你这么多时间。

所以，在这种情况下，我们只需要掌握这3个function，我们就能快速画出任何(80%)我们想要画的图。

这三个function就是：

sns.relplot
sns.catplot
sns.distplot

我们先看看为什么这3个function那么万能。

第一个：sns.relplot

2个连续变量作图

从最简单的x，y轴作图来说，如果x轴和y轴的feature都是连续变量的话，我们就可以用：sns.relplot。

比如，吃饭总价和小费

我们看到

下图sns.relplot和sns.scatter是一样的。

下图sns.relplot 和 sns.line是一样的。

所以，当两个连续变量做图时，不做任何aggregation的话，

我们用sns.relplot就可以了。

我们只需要通过更改sns.relplot(kind=’scatter’, /kind= ‘line’)就可以达到作图的要求了

第二个：sns.catplot

1个分类变量作图，第2个连续变量

sns.catplot故名思议，cat 指的是categorical的意思，所以，只要你的x轴是categorial变量的话，用catplot基本可以解决80%的作图。

举一个例子：

catplot() 和 stripplot() 可以作出同样的图

这里catplot 和relplot 不同的地方，relplot是将原数据的y值直接展现在坐标系作图，

而catplot既可以在y轴呈现原有y的数值，也可以aggregation原数据y后作图。

可以aggegation成平均，或者aggregation成distribution；

比如：

1、aggegation成平均（点图）

2、求aggegation成平均（柱状图）

这里比较讨巧的地方是，我们在做AB测试分析的时候，需要计算conversion rate，我们可以通过catplot，用上图的方法，直接从原数据自动aggregate出来。

非常方便。

3、另外，catplot还能做max，min的distribtuion

4、当然，像sns.catplot开头的那张也可以对y值直接做plot，不做任何的aggregation

5、sns.plot还可直接计算categorical变量出现的次数：

第三种：sns.distplot

从上面sns.catplot(kind=count)功能我们发现，x轴是分量变量，那如果x轴是连续变量，我可以计数吗？

也就是说，我可以plot出连续变量的frequency 的 distribution吗？

当然可以，其实有2方法，第一种，有pandas的cut function，把连续变量分段，变成分段变量（比如把年龄34，23等变成10-20，20-30，30-40等）；

第二种功能就是直接用sns.displot()function。

仔细一看是不是就是PDF和CDF图。

以上就是我们为什么可以用sns.relplot, sns.catplot, sns.distplot来快速完成作图了。

到此为止，我们如果只要一种坐标系的图的话，用这三种function就可以了。

最后再来回味一下：

很多人要问，

如果我想分类展示呢，比如左右2个图？

问题1:

左边是AB测试中的test group，右边是AB测试中的control group，左右分类展示，应该怎么作图？

我们可以用catplot 实现，只需在注明其中参数是col = ‘gender’就可以了

问题2:

对于x轴如果是连续变量，也是希望如上图分类展示，应该如何展示？

这时候，我们需要用到前面没有提到的sns.FacetGrid function

问题3:

左右两张图，左图是AB测试，test和control组的样本量，右图是他们的conversion rate。

这时候，我们就不能用catplot了，因为catplot其中没有参数ax的设定。所以我们不能通过告诉ax[0]就是左边，ax[1]就是右边来实现，因为catplot没有ax参数。

我们只能用cat下一层的function，因为这一层级有ax的参数。

问题4：

重叠展示2张图，比如样本量是柱状图，conversion rate是点图，怎么样在同一张图里实现。

同理，因为catplot没有ax的参数输入，所以我们只能用下一层级的function。

问题5：

有没有非常快速加辅助线的方法？

有，如下。

最后的话，掌握这3种function可以快速作图，但是还是希望有空的话，多看看官方文档，加深认识。

原文链接：https://zhuanlan.zhihu.com/p/124919408

python 数据可视化sns作图相关推荐

python数据可视化---Pyecharts作图方式、修饰逻辑与数据格式
pyecharts库下载pyecharts库直接cmd打开命令提示符输入pip install pyecharts后按回车键下载即可验证pyecharts库 Step1: 打开jupyter n ...
可视化工具不知道怎么选？深度评测5大Python数据可视化工具
相信很多读者学习Python就是希望作出各种酷炫的可视化图表,当然你一定会听说过Matplotlib.Pyecharts.Seaborn.Plotly.Bokeh这五大工具,本文就将通过真实绘图来深度 ...
超硬核的 Python 数据可视化教程！
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自:机器学习算法那些事 Python实现可视化的三个步骤: ...
超硬核的 Python 数据可视化教程
来源:数据分析1480 本文约3000字,建议阅读6分钟本文为你介绍Python实现可视化的三个步骤. Python实现可视化的三个步骤: 确定问题,选择图形转换数据,应用函数参数设置,一目了然 ...
Python数据可视化工具怎么选？深度评测5款实用工具
来源:早起Python 本文约3100字,建议阅读9分钟本文通过真实绘图,为你深度测评Python五大数据可视化库. [ 导读 ]相信很多读者学习Python就是希望做出各种酷炫的可视化图表,当然你 ...
Python数据可视化教程之基础篇
点击上方"AI遇见机器学习",选择"星标"公众号重磅干货,第一时间送达开运张 | 作者知乎专栏 | 来源 https://zhuanlan.zhihu.c ...
python在线工具-6 种 Python 数据可视化工具
原标题:6 种 Python 数据可视化工具英文:Chris Moffitt,编译:伯乐在线/李加庆简介在 Python 中,将数据可视化有多种选择,正是因为这种多样性,何时选用何种方案才变得极 ...
python可视化图表工具_酷炫的可视化图表工具来帮忙深度评测五大Python数据可视化工具...
原标题:酷炫的可视化图表工具来帮忙深度评测五大Python数据可视化工具不少Python用户的一大诉求是做出各种酷炫的可视化图表,而这就需要了解清楚工具特色,才好在制作不同类型图表顺利找到适合自己 ...
python数据可视化的特点_6 种 Python 数据可视化工具
原标题:6 种 Python 数据可视化工具英文:Chris Moffitt,编译:伯乐在线/李加庆简介在 Python 中,将数据可视化有多种选择,正是因为这种多样性,何时选用何种方案才变得极 ...
Python数据可视化的10种技能
内容来自:极客时间专栏<数据分析实战45讲> 如果你想要用Python进行数据分析,就需要在项目初期开始进行探索性的数据分析,这样方便你对数据有一定的了解.其中最直观的就是采用数据可视化技 ...

python 数据可视化sns作图

python 数据可视化sns作图相关推荐

最新文章

热门文章