机器学习——seaborn可视化
主要记录seaborn可视化学习笔记(明白有哪些绘制图像的函数可用)。
文章目录
- 一、seaborn原理
- 二、变量分布
- 1.sns.boxplot():查看数值变量的取值范围
- 2.sns.displot():查看变量的分布
- 3.sns.jointplot():绘制两个变量的联合分布和各自分布
- 4.sns.pairplot():成对绘制所有数值变量的联合分布
- 参考资料
一、seaborn原理
图片来源:https://www.bilibili.com/video/BV1VX4y1F76x/
- boxenplot:适合大数据
- 不同类别中数值变量的分布图:stripplot;swarmplot;violinplot
- FaceGrid,PairGrid可以自定义绘制函数
查看seaborn版本:sns.__version__
版本更新:pip install —upgrade seaborn
二、变量分布
1.sns.boxplot():查看数值变量的取值范围
sns.boxplot():查看数值变量的取值范围,是否有异常值。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as snsprint(sns.__version__)
# print(sns.get_dataset_names())df = pd.read_excel('D:/1.xlsx')sns.boxplot(data=df,x="Height")
plt.show()
2.sns.displot():查看变量的分布
- sns.displot(kind = hist) #绘制直方图
直方图:sns.histplot(bins,hue,shrink)
bins:改变bin numbers
hue:类别变量
shrink:缩放因子 - sns.displot(kind = kde) #绘制核密度估计值(kernel density estimate (KDE)),是一种可视化数据集中观测值分布的方法,类似于直方图。KDE使用一个或多个维度的连续概率密度曲线表示数据。
- sns.displot(kind = ecdf) #表示低于数据集中每个唯一值的观察值的比例或计数。与直方图或密度图相比,它的优点是每个观察结果都是直接可视化的,这意味着不需要调整分箱或平滑参数。
penguins = sns.load_dataset("penguins")
sns.ecdfplot(data=penguins, x="flipper_length_mm")
- sns.countplot(data=df,x=“class”) 统计个数
3.sns.jointplot():绘制两个变量的联合分布和各自分布
sns.jointplot(dataset,x,y,kind)
sns.jointplot()函数的升级版:
JoinGrid,可以通过g.plot()自定义函数。g = sns.JoinGrid(); g.plot(sns.histplot,sns.boxplot)
4.sns.pairplot():成对绘制所有数值变量的联合分布
sns.pairplot()函数的升级版:
PairGrid,可以通过g.map()自定义绘制函数
参考资料
https://www.bilibili.com/video/BV1VX4y1F76x/
https://blog.csdn.net/qq_45176548/article/details/117305614?utm_medium=distribute.pc_relevant.none-task-blog-2defaultbaidujs_title~default-1.queryctrv2&spm=1001.2101.3001.4242.2&utm_relevant_index=4
机器学习——seaborn可视化相关推荐
- seaborn可视化散点图并自定义数据轴标签(X轴和Y轴的轴标签,Change X Y Axis Labels to a Seaborn Plot)
seaborn可视化散点图并自定义数据轴标签(X轴和Y轴的轴标签,Change X & Y Axis Labels to a Seaborn Plot) 目录
- seaborn可视化散点图并自定义可视化结果图像的大小(Change the Size of a Seaborn Plot)
seaborn可视化散点图并自定义可视化结果图像的大小(Change the Size of a Seaborn Plot) 目录 seaborn可视化散点图并自定义可视化结果图像的大小(Change ...
- seaborn可视化绘制双变量分组条形图(Annotating Grouped Barplot: Side-by-side)、添加数值标签进行标记
seaborn可视化绘制双变量分组条形图(Annotating Grouped Barplot: Side-by-side).添加数值标签进行标记 目录
- Python seaborn可视化:组合多个seaborn可视化结果并使得组合结果图像共享X轴、使用matplotlib的subplots子图函数的gridspec_kw参数指定子图的相对大小或者比率
Python seaborn可视化:组合多个seaborn可视化结果并使得组合结果图像共享X轴.使用matplotlib的subplots子图函数的gridspec_kw参数指定子图的相对大小或者比率 ...
- seaborn可视化散点图并自定义图像的标题(title)以及自定义标题的字体大小(Set a Title to a Seaborn Plot)
seaborn可视化散点图并自定义图像的标题(title)以及自定义标题的字体大小(Set a Title to a Seaborn Plot) 目录
- seaborn可视化条形图并按照升序排序条形图进行可视化:Sort Bars in Barplot in Ascending Order in Python
seaborn可视化条形图并按照升序排序条形图进行可视化:Sort Bars in Barplot in Ascending Order in Python 目录
- pandas数据预处理(字段筛选、query函数进行数据筛选、缺失值删除)、seaborn可视化分面图(facet)、seaborn使用Catplot可视化分面箱图(Faceted Boxplot)
pandas数据预处理(字段筛选.query函数进行数据筛选.缺失值删除).seaborn可视化分面图(facet).seaborn使用Catplot可视化分面箱图(Faceted Boxplot) ...
- seaborn可视化直方图(histogram)、添加密度曲线、并自定义直方图中每一个条形的条形框的色彩(edgecolor)
seaborn可视化直方图(histogram).添加密度曲线.并自定义直方图中每一个条形的条形框的色彩(edgecolor) 目录
- seaborn可视化多水平分类变量分组箱图boxplot并自定义多个箱体的顺序(Manually Order Boxes in Boxplot with Seaborn)
seaborn可视化多水平分类变量分组箱图boxplot并自定义多个箱体的顺序(Manually Order Boxes in Boxplot with Seaborn) 目录
- seaborn可视化条形图并按照降序排序条形图进行可视化Sort Bars in Barplot in Descending Order in Python
seaborn可视化条形图并按照降序排序条形图进行可视化Sort Bars in Barplot in Descending Order in Python 目录
最新文章
- laravel + Vue 前后端分离 之 项目配置 - 开发环境
- Oracle数据库的数据统计(Analyze)
- listview刷新,延迟加载,用单行刷新取代notifyDataSetChanged
- Selenium WebDriver的TestNG注释完整指南
- yii mysql gii_Yii Gii使用
- 【Java】基于栈的括号匹配问题
- i=i+1,i+=1与i++的区别
- Linux 变量和结构体
- 仓库设置ower权限_中小企业都在用的免费多仓库管理软件
- mongo小结和使用示例
- canoco5主成分分析步骤_SPSS数据分析1——主成分分析
- 关于Android studio在ubuntu中真机测试运行出现Gradle build daemon disappeared unexpectedly的一个原因及解决办法
- AsyncTask我来给你扯会蛋
- 使用二维码——第三方库ZBar和libqrencode的使用
- python完成非线性拟合
- APICloud教程
- 汽车销售Spark数据处理和数据分析项目实战Dataframe
- 欧拉(Euler)定理
- 王者荣耀测试自己本命英雄软件,王者荣耀在哪测本命英雄
- 两年数据对比柱形图_如何用excel制作漂亮的图表——柱形图篇
热门文章
- ios transporter 缓存_鸿蒙和安卓都是开源,为什么iOS系统却可以获得出色的口碑?...
- (day 47 - 位运算 ) 剑指 Offer 65. 不用加减乘除做加法
- php round函数输出不对_PHP第一章-变量
- postman rpc本地调用_什么是RPC,你知道嘛?
- php for 循环 try_重新学习php基础之循环遍历(for循环和while循环)(六)
- Java怎么按照字母对单词排序_将一段字符串文本中的每个单词提取出来后按照字母顺序排序...
- mysql故障切换 java_javaoraclethin和oci连接方式实现多数据库的故障切换
- 算法笔记_面试题_18.动态规划_模板及示例十几道(上)
- java_eclipse中添加外部动态链接库(dll文件)的三种方式
- GIS笔记_GDAL c# VS2015 环境配置