python如何绘制蜘蛛图_python常见的十种可视化图库方法展示

一散点图

# python可视化操作

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

# 数据准备

N=1000

x = np.random.randn(N)

y = np.random.randn(N)

# 用matplotlib画散点图

plt.scatter(x,y,marker="x")

# 用seaborn画散点图

data = {

'x':x,

"y":y

}

df = pd.DataFrame(data)

sns.jointplot(x='x',y='y',data=df,kind='scatter')

二折线图

# python可视化折线图

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

# 数据准备

x = [2010,2011,2012,2013,2014,2015,2016,2017,2018,2019]

y=[5,3,6,20,17,16,19,30,32,35]

# matplotlib

plt.plot(x,y)

# seaborn

data= {

'x':x,

'y':y

}

df = pd.DataFrame(data)

sns.lineplot(x='x',y='y',data=df)

三直方图

# matplotlib直方图

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

# 数据准备

a = np.random.randn(100)

s = pd.Series(a)

# matplotlib

plt.hist(s)

# seaborn

sns.distplot(s,kde=False)

sns.distplot(s,kde=True)

四条形图

# 条形图

import matplotlib.pyplot as plt

import seaborn as sns

# 数据准备

x = ['cat1','cat2','cat3','cat4','cat5']

y= [5,4,8,12,7]

# matplotlib

# seaborn

sns.barplot(x,y)

五箱线图

# 箱线图

import numpy as np

import matplotlib.pyplot as plt

import pandas as pd

# 数据准备

# 生成0-1之间的10*4维度数据

data = np.random.normal(size=(10,4))

lables = ['A','B','C','D']

# matplotlib

plt.boxplot(data,labels = lables)

# seaborn

df = pd.DataFrame(data,columns = lables)

sns.boxplot(data=df)

六饼图

# 饼图

import matplotlib.pyplot as plt

# 数据准备

nums = [25,37,33,37,6]

labels = ['high-school','bachelor','matser','ph.d','others']

#matplotlib

plt.pie(x=nums,labels = labels)

七热力图

# 热力图

import matplotlib.pyplot as plt

import seaborn as sns

# 数据准备

flights = sns.load_dataset('flights')

data= flights.pivot('year','month','passengers')

# seaborn

sns.heatmap(data)

八蜘蛛图，雷达图

# 蜘蛛图，雷达图

import numpy as np

import matplotlib.pyplot as plt

import seaborn as sns

from matplotlib.font_manager import FontProperties

#数据准备

labels = np.array([u'推进',u'KDA',u'生存',u'团战',u'发育',u'输出'])

stats = [83,61,95,67,76,88]

# 画图数据准备，角度，状态值

angles = np.linspace(0,2*np.pi,len(labels),endpoint=False)

stats =np.concatenate((stats,[stats[0]]))

angles=np.concatenate((angles,[angles[0]]))

# matplotlib

fig = plt.figure()

ax = fig.add_subplot(111,polar=True)

ax.plot(angles,stats,'o-',linewidth=2)

ax.fill(angles,stats,alpha=0.25)

# 设置中文字体

# font = FontProperties(fname="/System/Library/Fonts/STHeiti Medium.ttc",size=14)

# ax.set_thetagrids(angles*180/np.pi,labels,FontProperties=font)

matplotlob不太支持中文，需要安装中文语言类别

九二元变量分布图

# 二元变量分布，散点图

import matplotlib.pyplot as plt

import seaborn as sns

# 数据准备

tips = sns.load_dataset('tips')

print(tips.head(10))

# 用seaborn 画二元变量分布图（散点图，，核密度图，hexbin图）

sns.jointplot(x='total_bill',y='tip',data=tips,kind='scatter')

sns.jointplot(x='total_bill',y='tip',data=tips,kind='kde')

sns.jointplot(x='total_bill',y='tip',data=tips,kind='hex')

1 散点图

2 核密度图

3 binhexbin图

十成对关系

# 成对关系

import matplotlib.pyplot as plt

import seaborn as sns

# 数据准备

iris = sns.load_dataset('iris')

# print(iris)

# 用seaborn画成对关系

sns.pairplot(iris)

课后练习及总结

#数据分析可视化库的课后练习题

# 1.seaborn的car_crashes数据集，进行成对关系的探索

# 2.seaborn画二元变量分布图

# 1.seaborn的car_crashes国外车祸数据集的成对关系

import matplotlib.pyplot as plt

import seaborn as sns

# 数据准备

cars= sns.load_dataset('car_crashes')

print(cars.head(10))

# seaborn画成对关系

sns.pairplot(cars)

# 2.seaborn画二元变量分布图

# 有cars数据集可以看出酒精和速度有类似线性关系，因此做酒精和速度二元变量的分布图

sns.jointplot(x='alcohol',y='speeding',data=cars,kind='scatter')

sns.jointplot(x='alcohol',y='speeding',data=cars,kind='kde')

sns.jointplot(x='alcohol',y='speeding',data=cars,kind='hex')

# 本节知识要点

# 1.变量关系分类：比较，联系，构成，分布.

# 比较：比较数据间各类别的关系，或者是他们随着时间的变化趋势，比如折线图

# 联系：查看两个或两个以上变量之间的关系，比如散点图

# 构成：每个部分占整体的百分比，或者是随着时间的百分比变化，比如饼图

# 分布：关注单个变量，或者多个变量的分布情况，比如直方图

# 2.十种常见视图的概念理解

# 1.散点图scatter，展示两个变量之间的关系

# 2.折线图plot 两个变量之间的变化趋势，例如数据随着时间变化的趋势

# 3.直方图hist，对数据集的直方分布，变量的数值分布

# 4.条形图bar,查看类别的特征，长度标识类别的频数，宽度标识类别

# 5.箱线图boxplot 又称盒式图，有五个熟知点组成:最大值max，最小值min,中位数median和上下四分位数(Q3,Q1),

# 可以分析出数据的差异性，离散程度和异常值。

# 6.饼图pie 是常用的统计学模块，可以显示每个部分大小与总和之间的比例。

# 7.热力图 heatmap是一种矩阵表示方法，矩阵中的元素值用颜色来代表，不同颜色代表不同大小的值。

# 是一种非常直观的多元变量分析方法。

# 8.蜘蛛图，雷达图显示一对多关系，一个变量相对于另一个变量的显著性是清晰可见的。

# 9.二元变量分布jointplot，散点图scatter，核密度图kde,hexbin图hex。查看两个变量之间的关系。

# 10.成对关系pairplot,数据集中的多个成对双变量的分布。类似于dataframe中的describe()函数。

python如何绘制蜘蛛图_python常见的十种可视化图库方法展示相关推荐

python如何绘制蜘蛛图_蜘蛛网图实现Python可视化的方法
数据可视化是数据科学或机器学习项目中十分重要的一环.通常,你需要在项目初期进行探索性的数据分析(EDA),从而对数据有一定的了解,而且创建可视化确实可以使分析的任务更清晰.更容易理解,特别是对于大规模 ...
python如何绘制蜘蛛图_用Python写的图片蜘蛛人代码
#coding=utf-8 import os import sys import re import urllib URL_REG = re.compile(r'(http://[^///]+)', ...
python如何绘制两点间连线_如何用 Python 绘制玫瑰图等常见疫情图
新冠疫情已经持续好几个月了,目前,我国疫情已经基本控制住了,我们会看到很多网站都提供了多种疫情统计图,今天我们使用 Python 的 pyecharts 框架来绘制一些比较常见的统计图. 1. 玫瑰图 ...
python绘制组合图_Python如何绘制组合图 Python绘制组合图代码示例
Python如何绘制组合图?本篇文章小编给大家分享一下Python绘制组合图代码示例,文章代码介绍的很详细,小编觉得挺不错的,现在分享给大家供大家参考,有需要的小伙伴们可以来看看. 绘制组合图: 组合 ...
Python生物信息学⑥绘制热图及火山图
Python生物信息学⑥绘制热图及火山图 Python生物信息学③提取差异基因通过上Python生物信息学③提取差异基因得到了该数据集的差异分析的两个关键参数,1.差异倍数(foldchange)以 ...
Python matplotlib绘制雷达图
Python matplotlib绘制雷达图本篇文章介绍使用matplotlib绘制雷达图. 雷达图也被称为网络图,蜘蛛图,星图,蜘蛛网图,是一个不规则的多边形.雷达图可以形象地展示相同事物的多维指 ...
python制作雷达图_如何利用Python matplotlib绘制雷达图
本篇文章介绍使用matplotlib绘制雷达图. 雷达图也被称为网络图,蜘蛛图,星图,蜘蛛网图,是一个不规则的多边形.雷达图可以形象地展示相同事物的多维指标,雷达图几乎随处可见,应用场景非常多. 一. ...
超详细的Python matplotlib 绘制动态图
复习回顾在matplotlib模块中我们前面学习绘制如折线.柱状.散点.直方图等静态图形.我们都知道在matplotlib模块主要有三层脚本层为用户提供快捷的绘制图形方法,美工层接收到脚本层的命令后 ...
R语言使用ggradar包可视化基本雷达图（radar chart、蜘蛛图spider plot）、可视化单个数据对象的雷达图
R语言使用ggradar包可视化基本雷达图(radar chart.蜘蛛图spider plot).可视化单个数据对象的雷达图目录

python如何绘制蜘蛛图_python常见的十种可视化图库方法展示

python如何绘制蜘蛛图_python常见的十种可视化图库方法展示相关推荐

最新文章

热门文章