【seaborn】(五)联合分布图
文章目录
- 一、单变量分析
- 二、多变量分析图
- 2.1 散点图
- 2.2 sns.jointplot()双变量联合分布图
- 2.2.1 生成数据
- 2.2.2 x, y, data:x轴数据,y轴数据,dataframe数据
- 2.2.3 kind样式
- 2.2.3.1 scatter散点
- 2.2.3.2 reg回归
- 2.2.3.3 resid
- 2.2.3.4 kde密度图
- 2.2.3.5 hex热度图
- 2.2.4 color颜色
- 2.3.5 dropna在画图之前是否删除空值
- 2.3 sns.pairplot()多变量联合分布图
- 2.3.1 加载鸢尾花数据iris
- 2.3.2 data数据
- 2.3.3 hue:指定列名,按照列名类别,标记不同颜色
- 2.3.4 palette:调色板
- 2.3.5 kind样式
- 2.3.6 dropna在画图之前是否删除空值
一、单变量分析
单变量分析就是直方图
参考博文:https://blog.csdn.net/u010916338/article/details/106036759
二、多变量分析图
2.1 散点图
参考博文:https://blog.csdn.net/u010916338/article/details/106018903
2.2 sns.jointplot()双变量联合分布图
seaborn.jointplot(x, y, data=None, kind=’scatter’, stat_func=, color=None, size=6, ratio=5, space=0.2, dropna=True, xlim=None, ylim=None, joint_kws=None, marginal_kws=None, annot_kws=None, **kwargs)
2.2.1 生成数据
2.2.2 x, y, data:x轴数据,y轴数据,dataframe数据
2.2.3 kind样式
- (1)kind={ “scatter” | “reg” | “resid” | “kde” | “hex” }
2.2.3.1 scatter散点
2.2.3.2 reg回归
2.2.3.3 resid
2.2.3.4 kde密度图
- (1)颜色越重,该区域出现的点的次数越多,频率越高,概率越大
2.2.3.5 hex热度图
- (1)颜色越重,该区域出现的点的次数越多
2.2.4 color颜色
2.3.5 dropna在画图之前是否删除空值
2.3 sns.pairplot()多变量联合分布图
seaborn.pairplot(data, hue=None, hue_order=None, palette=None, vars=None, x_vars=None, y_vars=None, kind='scatter', diag_kind='auto', markers=None, height=2.5, aspect=1, dropna=True, plot_kws=None, diag_kws=None, grid_kws=None, size=None)
2.3.1 加载鸢尾花数据iris
2.3.2 data数据
- (1)文本数据不参与分析计算
2.3.3 hue:指定列名,按照列名类别,标记不同颜色
2.3.4 palette:调色板
调色板设置,参考博文:https://blog.csdn.net/u010916338/article/details/106031515
2.3.5 kind样式
- (1)kind={ “scatter” | “reg”}
2.3.6 dropna在画图之前是否删除空值
【seaborn】(五)联合分布图相关推荐
- 数据可视化(箱线图、直方图、散点图、联合分布图)
数据可视化 箱线图可视化 箱线图(Box plot)也称箱须图(Box-whisker Plot).箱线图.盒图,可以用来反映一组或多组连续型定量数据分布的中心位置和散布范围. 连续型数据:在一定区间 ...
- 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 ma ...
- 基于seaborn的正太分布图
import matplotlib.pyplot as plt import seaborn as sns # rating_df类型为pandas sns.kdeplot(rating_df['ra ...
- sns.jointplot画联合分布图 直方图+散点图,设置xy轴标签
ax = sns.jointplot(x=bo.x13,y=bo.x1) ax.set_axis_labels('低社会地位人口的比例(%)', '人均犯罪率') 或者 ax = sns.jointp ...
- 搞数仓也得懂几个常用机器学习算法
作者:数据一哥 来源:数据社 全文共10793个字,建议收藏阅读 01 回归算法 一.理解线性回归模型 首先讲回归模型,回归模型研究的是因变量(目标)和自变量(预测器)之间的关系,因变量可以是连续 ...
- 数据挖掘算法和实践(二):决策树(iris鸢尾花数据集)
决策树是直观运用概率分析的树形分类器,是很常用的分类方法,属于监管学习,决策树分类过程是从根节点开始,根据特征属性值选择输出分支,直到到达叶子节点,将叶子节点存放的类别作为决策结果. 比如说买瓜的时候 ...
- 【seaborn】3、Distribution plots 分布图
目录 displot 直方图 kdeplot 核密度图 jointplot 联合分布图 pairplot 变量关系组图 单变量的分布特征通过直方图就可以观察,而两个变量间的关系分布,用散点图更容易体现 ...
- 数据可视化之Seaborn绘图
知识结构 Seaborn简介 话不多说,我们首先来欣赏几张 Seaborn 绘制的图形,一睹为快. 是不是很酷炫?学习完Seaborn的相关内容,你也可以轻松地画出这样的图. Seaborn 是 Py ...
- Pandas数据可视化工具:图表工具-Seaborn
内容来源:https://www.jiqizhixin.com/articles/2019-01-30-15 简介 在本文中,我们将研究Seaborn,它是Python中另一个非常有用的数据可视化库. ...
- Educoder Basemap和Seaborn 第2关:Seaborn图形介绍
第2关:Seaborn图形介绍(代码看下边) 任务描述 相关知识 频次直方图.KDE和密度图 矩阵图 分面频次直方图 条形图 折线图 编程要求 测试说明 任务描述 本关任务:编写一个使用Seaborn ...
最新文章
- 机器学习160个常见问题.pdf
- 《快捷键 系列》 - Eclipse快捷键
- 南邮计算机图形学水不水,南邮计算机图形学实验报告(修正版)….doc
- C++的iostream标准库介绍
- 软件测试oracle问题,数据库基础:Oracle数据库中时间问题比较
- flask echarts词云可视化_基于flask框架的高校舆情分析系统
- 【阿里内推001期】听说你要做中台,阿里中台部门招Java开发
- MongoDB 教程七: MongoDB和PHP结合开发
- python 分类变量xgboost_XGBoost 原理 及 常见面试题
- js中函数参数值传递和引用传递
- JDBC 连接数据库,包含连接池
- JS日期与字符串相互转换!!
- 18.3 通过打印来调试
- 11.8 scrum report
- c语言遗传算法例子,C++遗传算法类文件实例分析
- Unity编辑器扩展——自定义窗口
- 文件二维码:在线直接扫一扫二维码查看下载资料
- 中国顶级富豪沉浮录:财富常青树之谜与大败局规律
- 查询mysql 的内存使用_如何查看MySQL内存使用情况
- Windows Server搭建SAN存储服务(一)