sns.regplot(x="属性1",y="属性2",data = dataframe)

首先导入库：

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

这里的series表示用图形表示的单变量，dataframe表示需要用图形表示的多变量

如果汉字显示方格，解决方法是导入字体：

from matplotlib.font_manager import FontProperties
sns.set(font=FontProperties(fname=r'C:\Windows\Fonts\simhei.ttf',size=14).get_name())#以下内容转载自：https://www.cnblogs.com/jianchiai/p/11373805.html
#Matplotlib中文问题
plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文显示问题-设置字体为黑体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题#Seaborn中文问题
plt.rcParams['font.sans-serif'] = ['SimHei'] # 中文字体设置-黑体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
sns.set(font='SimHei') # 解决Seaborn中文显示问题

保存图片：

pig = sns.distplot(x,kde=True)
fig = pig.get_figure()
fig.savefig('保存图像.png',dpi=200)

1 单变量

1.1 直方图

2 双变量

2.1 散点图

2.2 散点图+回归分析

2.3 strip散点图（适合某一变量的取值有限）

2.4 盒图

2.5 小提琴图

3 多变量

3.1 单变量直方图 + 双变量散点图

3.2 盒图

3.3 小提琴图

参考

1 单变量

1.1 直方图

sns.distplot(x,kde=True)

可选参数：

kde：核密度曲线

bins ：将x的取值区间等分为bins份，然后绘制直方图

fit：在原图上绘制一条当前数据的统计指标

2 双变量

2.1 散点图

sns.jointplot(x=dataframe.x,y=dataframe.y)

可选参数：

kind=‘hex'：蜂窝状图，通过颜色深浅表示密度

kind='kde'：环形图，通过颜色深浅表示密度

2.2 散点图+回归分析

sns.regplot(x=dataframe.x,y=dataframe.y)

或是：

可选参数：

x_jitter：当有一个变量是使用ONE-HOT编码的时候，散点图会是多条线，这个参数可以设置散点抖动，看上去更美观。不过这样的图推荐2.3

2.3 strip散点图（适合某一变量的取值有限）

sns.stripplot(x=dataframe.x , y=dataframe.y)

可选参数：

jitter：是否需要值偏移一点，如果jitter=False，那么绘制出来的会在一条线上

2.4 盒图

sns.boxplot(x=dataframe.x,y=dataframe.y)

2.5 小提琴图

sns.violinplot(x=dataframe.total_bill,y=dataframe.day)

3 多变量

3.1 单变量直方图 + 双变量散点图

sns.pairplot(dataframe)

如果dataframe只有两个变量，图像是：

如果dataframe有多个变量，图像是：

对角线上显示的是每个单独变量的直方图，其他位置是两两变量的散点图。

3.2 盒图

sns.boxplot(x=dataframe.day,y=dataframe.total_bill,hue=dataframe.sex)

3.3 小提琴图

sns.violinplot(x=dataframe.total_bill,y=dataframe.day,hue=dataframe.time)

第三个维度也可以并不是简单的排列出来，而是分别展示在小提琴图的两边，所以还有第二种方法：

sns.violinplot(x=dataframe.total_bill,y=dataframe.day,hue=dataframe.time,split=True)

参考

Seaborn样例网址：https://seaborn.pydata.org/examples/index.html

Seaborn教程:https://zhuanlan.zhihu.com/p/40303932

seaborn教程（2，绘图功能）:https://zhuanlan.zhihu.com/p/33290588

python seaborn画图：https://blog.csdn.net/suzyu12345/article/details/69029106

seaborn单变量/双变量/多变量绘图相关推荐

seaborn可视化绘制双变量分组条形图（Annotating Grouped Barplot: Side-by-side）、添加数值标签进行标记
seaborn可视化绘制双变量分组条形图(Annotating Grouped Barplot: Side-by-side).添加数值标签进行标记目录
seaborn可视化绘制双变量分组条形图（Customizing Annotation of Bars: Side-by-side）、添加数值标签进行标记、并自定义条形图数值标签的格式
seaborn可视化绘制双变量分组条形图(Customizing Annotation of Bars: Side-by-side).添加数值标签进行标记.并自定义条形图数值标签的格式(从45000到 ...
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 ...
Python统计模型探索性数据分析(EDA)系统(单变量-双变量-相关性-缺失值)
单变量分析单变量分析旨在更深入地了解单个列. 它创建该列的各种统计数据和可视化. 例如,要深入了解特征 year_built,要计算year_built 的最小值.最大值.不同计数.中值.方差,并 ...
人工智能-seaborn单双多变量绘图、两案例：NBA球员数据分析、北京租房数据统
1. seaborn 作用:更高效地绘图 #安装 pip3 install seaborn#导入 import seaborn as sns 单变量:直方图或核密度曲线双变量:散点图.二维直方图. ...
Python数据分析第十二课：单变量、双变量及多变量分析图
一.单变量分析绘图什么是单变量分析? 单变量其实就是我们通常接触到的数据集中的一列数据. 单变量分析是数据分析中最简单的形式,其中被分析的数据只包含一个变量.因为它是一个单一的变量,它不处理原因或关 ...
python绘制双Y轴折线图以及单Y轴双变量柱状图
近来实验室的师姐要发论文,由于论文交稿时间临近,有一些杂活儿需要处理,作为实验室资历最浅的一批,我这个实习生也就责无旁贷地帮忙当个下手.今天师姐派了一个小活,具体要求是: 给一些训练模型的迭代次数,训 ...
数学归纳法全讲解（第一、第二、弱、强、双变量）带示例
双变量数学归纳法本文简介单变量数学归纳 induction 弱归纳法(weak induction) 强归纳法(strong induction) 例1:强归纳证明(弱归纳无法证明) 双变量数学归 ...
linux分割内容单引号,linux变量、cut_sort_wc_uniq_tee_tr_split 命令使用方法
查看系统变量: 1.env命令 [root@localhost ~]# env 2.set命令 [root@localhost ~]# set *set可以显示用户自定义的变量自定义变量: 1.定义 ...

seaborn单变量/双变量/多变量绘图

1 单变量

1.1 直方图

2 双变量

2.1 散点图

2.2 散点图+回归分析

2.3 strip散点图（适合某一变量的取值有限）

2.4 盒图

2.5 小提琴图

3 多变量

3.1 单变量直方图 + 双变量散点图

3.2 盒图

3.3 小提琴图

参考

seaborn单变量/双变量/多变量绘图相关推荐

最新文章

热门文章