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 ...

【seaborn】（五）联合分布图