Py之seaborn:数据可视化seaborn库(二)的组合图可视化之密度图/核密度图分布可视化、箱型图/散点图、小提琴图/散点图组合可视化的简介、使用方法之最强攻略(建议收藏)
Py之seaborn:数据可视化seaborn库(二)的组合图可视化之密度图/核密度图分布可视化、箱型图/散点图、小提琴图/散点图组合可视化的简介、使用方法之最强攻略(建议收藏)
目录
二、组合图可视化
1、密度图、核密度图分布可视化:distplot函数+kdeplot函数
2、箱型图、散点图组合可视化(仅第2变量必须为数值型)
3、小提琴图、散点图组合可视化(仅第2变量必须为数值型)
相关文章
Py之seaborn:seaborn库的简介、安装、使用方法之详细攻略
Py之seaborn:数据可视化seaborn库(一)的柱状图、箱线图(置信区间图)、散点图/折线图、核密度图/等高线图、盒形图/小提琴图/LV多框图的简介、使用方法之最强攻略(建议收藏)
Py之seaborn:数据可视化seaborn库(二)的组合图可视化之密度图/核密度图分布可视化、箱型图/散点图、小提琴图/散点图组合可视化的简介、使用方法之最强攻略(建议收藏)
Py之seaborn:数据可视化seaborn库(三)的矩阵图可视化之jointplot函数、JointGrid函数、pairplot函数、PairGrid函数、FacetGrid函数的简介、使用方法之最强攻略(建议收藏)
二、组合图可视化
1、密度图、核密度图分布可视化:distplot函数+kdeplot函数
distplot()函数:集合了matplotlib的hist()与核函数估计kdeplot的功能,增加了rugplot分布观测条显示与利用scipy库fit拟合参数分布的新颖用途。其中,直方图表示通过沿数据范围形成分箱,然后绘制条以显示落入每个分箱的观测次数的数据分布图。
fig, axes = plt.subplots(1,2,figsize=(10,6))sns.distplot(data_frame[cols[0]], # 不写为x=data_frame[cols[0]],是因为这样可自动添加横坐标标签
# bins=10, # 自定义柱状宽度,不设置更好,会自动计算
# hist=True,kde = True, norm_hist = False, # 柱状图是否按照密度来显示,如果为 False,显示计数,尝试测试-----------------rug = True, # 单变量的柱状图,hist、ked、rug:bool,是否显示箱柱状图/密度曲线/边际毛毯数据分布/阴影,尝试测试-----------------
# fit=norm, # fit 可结合scipy库在图像上做拟合,拟合标准正态分布vertical = False, # 是否水平显示,True label='dis', # label 图例,
# axlabel=cols[0], # axlabel x轴标注ax = axes[0], )sns.kdeplot(data_frame[cols[0]],shade=True, # shade(颜色填充KDE曲线下方的区域)bw=bw01,label='kde_bw%.2f'%bw01,# axlabel=cols[0], # label 图例,axlabel x轴标注ax = axes[1], )
2、箱型图、散点图组合可视化(仅第2变量必须为数值型)
sns.boxplot(x=cols[0],y=cols[1],data=data_frame,hue=cols[2], # 该特征必须为类别型特征linewidth=2, width=0.8, fliersize=3, # 线宽、箱之间的间隔比例,异常点大小whis = 1.5, # 设置IQR notch = True, # 设置是否以中值做凹槽,尝试测试-----------------# order = ['Thur','Fri','Sat','Sun'], )sns.swarmplot(x=cols[0],y=cols[1],data=data_frame,
# color ='k',size = 3,alpha = 0.8,)
3、小提琴图、散点图组合可视化(仅第2变量必须为数值型)
sns.violinplot(x=cols[0],y=cols[1],data=data_frame,hue=cols[2], # 该特征必须为类别型特征scale = 'area', # 测度小提琴图的宽度:area-面积相同,count-按照样本数量决定宽度,width-宽度一样gridsize = 50, # 设置小提琴图边线的平滑度,越高越平滑inner = 'box', # 设置内部显示类型 → box、quartile、point、stick、None,尝试测试-----------------
# split=True, # 设置是否拆分小提琴图,前提条件是第三特征为二类别属性,尝试测试-----------------#bw = 0.8 # 控制拟合程度,一般可以不设置)sns.swarmplot(x=cols[0],y=cols[1],data=data_frame,hue=cols[2], # 该特征必须为类别型特征
# color="w", alpha=.5,)
Py之seaborn:数据可视化seaborn库(二)的组合图可视化之密度图/核密度图分布可视化、箱型图/散点图、小提琴图/散点图组合可视化的简介、使用方法之最强攻略(建议收藏)相关推荐
- DayDayUp:大学英语六级考试简介、应试分析、题型内容((Writing/Listening/Reading/Translation)、解答经验步骤、解题技巧之最强攻略(建议收藏)
DayDayUp:大学英语六级考试简介.应试分析.题型内容((Writing/Listening/Reading/Translation).解答经验步骤.解题技巧之最强攻略(建议收藏) 简介:大学英语 ...
- AI之NLP:自然语言处理技术简介(是什么/学什么/怎么用)、常用算法、经典案例之详细攻略(建议收藏)
AI之NLP:自然语言处理技术简介(是什么/学什么/怎么用).常用算法.经典案例之详细攻略(建议收藏) 目录 NLP是什么? 1.NLP前置技术解析 2.python中NLP技术相关库 3.NLP案例 ...
- AI之NLP:自然语言处理技术简介(是什么/学什么/怎么用)、常用算法、经典案例之详细攻略(建议收藏)daiding
AI之NLP:自然语言处理技术简介(是什么/学什么/怎么用).常用算法.经典案例之详细攻略(建议收藏) 目录 NLP是什么? 1.NLP前置技术解析 2.python中NLP技术相关库 3.NLP案例 ...
- DL之CNN:计算机视觉之卷积神经网络经典算法简介、重要进展、改进技巧之详细攻略(建议收藏)
DL之CNN:计算机视觉之卷积神经网络经典算法简介.重要进展.改进技巧之详细攻略(建议收藏) 目录 CNN经典算法细讲 1.CNN历年冠军算法 1.1.LeNet-5 1.2.AlexNet 1.3. ...
- Auto CAD:将CAD三维实体转为三视工程图(俯视图、正视图、左视图)的图文教程之详细攻略(建议收藏!!)
Auto CAD:将CAD三维实体转为三视工程图(俯视图.正视图.左视图)的图文教程之详细攻略(建议收藏!!) 目录 将CAD三维实体转为三视工程图(俯视图.正视图.左视图)的图文教程
- python 散点图聚类,【聚类算法】10种Python聚类算法完整操作示例(建议收藏
点击上方,选择星标,每天给你送干货! 来源:海豚数据科学实验室著作权归作者所有,本文仅作学术分享,若侵权,请联系后台删文处理 聚类或聚类分析是无监督学习问题.它通常被用作数据分析技术,用于发现数据中的 ...
- 牛客网最全在线笔试、编程攻略(建议收藏)
来源:牛客网 整理:大数据肌肉猿 一.常见问题 设备问题 问: 浏览器使用问题? 答:浏览器推荐使用最新版本的Chrome或者火狐浏览器,如果某一浏览器出现问题可以换个浏览器重新打开页面. 问: 摄像 ...
- 【小程序动画合集】10种小程序动画效果实现方法,文章太长建议收藏!
前言 一提小程序与动画,首先想到的是什么?嗯,微信小程序独创了一套动画玩法,官方支持3种动画方案,分别是 createAnimation . this.animate 和 CSS3动画 . 1. cr ...
- 如何成功发表一篇论文(最全攻略) ——建议收藏
学术论文到底怎么写才能发表?此篇内容手把手教大家如何快速的写好科研论文并顺利发表. 内容针对的是论文的写作要求,需要毕业论文的朋友也可以参考写作方法,内容包括了:从如何调研确定topic,如何多快好省 ...
最新文章
- 计算机操作系统第四版习题答案 第一章简答题
- silverlight 类似百度的图片浏览器,视频播放,附件下载功能,全部后台程序。...
- 读书笔记之如何阅读一本书
- 268. 缺失数字 golang
- javascript 编辑记录
- 程序设计思路报告快递运输路线优化系统
- CleanCodeHandbook Chapter 2: Math(17-19)
- 我需要完全理解这部分代码才能确保它能够正常工作,如果由我来修复代码中的问题,我是不会这么写的,因此希望你也不要这么来写(转)...
- 自动化测试平台搭建从零开始
- lan8720a自协商启动_惠及18个小区17851户!今年海曙老旧小区改造启动,重点内容包括…...
- 共享办公室租赁,突出市场重围
- 【预测模型】基于贝叶斯优化的LSTM模型实现数据预测matlab源码
- Hadoop HDFS 实现原理图文详解
- 电子招投标——电子投标书制作教程
- 不需要手机号,怎样注册邮箱账号
- smtplib 抄送邮件_Smtp发送及抄送邮件
- 2023湖南省中职网络安全任务书
- JavaScript 中的数字在计算机内存中占多少个Byte?
- 基于Maven+SpringMVC+Spring+MyBatis+Layui整合框架,超详细的SSM整合❤️
- java 数组传递是引用吗_数组是通过值传递还是通过Java引用传递?