Python数据可视化seaborn(五) -- 分类统计图

分类数据可视化 - 统计图

barplot() / countplot() / pointplot()

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn  as sns
%matplotlib inline#设置风格、尺度
sns.set_style("whitegrid")
sns.set_context("paper")#屏蔽警告
import warnings
warnings.filterwarnings('ignore')

1. 柱状图 - 置信区间估计

置信区间：样本均值+抽样误差

# 加载数据
titanic = sns.load_dataset('titanic')sns.barplot(x='sex', y='survived', hue='class', data=titanic, palette='hls', order=['male', 'female'],  # 类别筛选capsize=0.05,  # 误差线横向延伸宽度saturation=0.8,  # 颜色饱和度errcolor='gray', errwidth=2, # 误差线颜色，宽度ci='sd'  # 置信区间误差 -> 0-100内值、sd 、 None     )#print(titanic.groupby(['sex', 'class']).mean()['survived'])
#print(titanic.groupby(['sex','class']).std()['survived'])#titanic.head()

# 柱状图 - 置信区间估计# 加载数据
tips = sns.load_dataset('tips')sns.barplot(x='day', y='total_bill', hue='sex', data=tips, palette='Blues', edgecolor='w')tips.groupby(['day','sex']).mean()

多柱状图 - 置信区间估计

# 加载数据
crashes = sns.load_dataset('car_crashes').sort_values('total', ascending=False)
#print(crashes.head())
# 创建图表
f, ax = plt.subplots(figsize=(6,15))sns.set_color_codes('pastel')# 设置第一个柱状图
sns.barplot(x='total', y='abbrev', data=crashes, label='Total', color='b', edgecolor='w')# 设置第二个柱状图
sns.set_color_codes('muted')
sns.barplot(x='alcohol', y='abbrev', data=crashes, label='Alcohol-involved', color='b', edgecolor='w')ax.legend(ncol=2, loc='lower right')  # 图例位置，右下角
sns.despine(left=True, bottom=True) # 不显示左侧和低侧轴

计数柱状图：countplot()

sns.countplot(x='class', hue='who', data=titanic, palette='magma')#sns.countplot(y='class', hue='who', data=titanic, palette='magma')
# x/y -> 以x或者y轴绘图（横向、竖向）
# 用法和barplot相似

折线图 - 置信区间估计：pointplot()

# 折线图 - 置信区间估计：pointplot()sns.pointplot(x='time', y='total_bill', hue='smoker', data=tips,palette='hls',dodge=True,  # 设置点是否分开join=True,  # 是否连线makers=['o', 'x'], linestyles=['-', '--'] # 设置点的样式、线型)# 计算数据
# 用法和barplot相似
tips.groupby(['time', 'smoker']).mean()['total_bill']

Python数据可视化seaborn(五) -- 分类统计图相关推荐

Python数据可视化-seaborn Iris鸢尾花数据
首先介绍一下Iris鸢尾花数据集,内容摘自百度百科:Iris数据集是常用的分类实验数据集,由Fisher, 1936收集整理."Iris也称鸢尾花卉数据集,是一类多重变量分析的数据集.最近我 ...
python根据表格数据生成折线图_Kaggle、Python数据可视化seaborn(二)：折线图
现在您已经熟悉了编码环境,接下来学习如何制作自己的图表! 在本教程中,您将学习怎样用Python来创建专业的线形图.在接下来的练习中,您将使用您的新技能来处理真实世界的数据集. 准备好笔记本我们首先 ...
Python数据可视化三部曲之 Seaborn 从上手到上头
Python数据可视化三部曲之 Seaborn 从上手到上头文章目录 1. 安装 seaborn 2.准备数据 3.背景与边框 3.1 设置背景风格 3.3 其他 3.2 边框控制 4. 绘制 ...
python画图怎么调色_数据可视化Seaborn从零开始学习教程（二）颜色调控篇
作者:xiaoyu 微信公众号:Python数据科学知乎:python数据分析师 Seaborn学习大纲 seaborn的学习内容主要包含以下几个部分: 风格管理绘图风格设置颜色风格设置绘图方 ...
python数据可视化库_python和r中用于数据可视化的前9个库
python数据可视化库 In the rapidly growing world of today, when technology is expanding at a rate like neve ...
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数据可视化seaborn(五) -- 分类统计图

分类数据可视化 - 统计图

barplot() / countplot() / pointplot()

1. 柱状图 - 置信区间估计

置信区间：样本均值+抽样误差

多柱状图 - 置信区间估计

计数柱状图：countplot()

折线图 - 置信区间估计：pointplot()

Python数据可视化seaborn(五) -- 分类统计图相关推荐

最新文章

热门文章