Py之seaborn：數(shù)據(jù)可視化seaborn庫(kù)(二)的組合圖可視化之密度圖/核密度圖分布可視化、箱型圖/散點(diǎn)圖、小提琴圖/散點(diǎn)圖組合可視化的簡(jiǎn)介、使用方法之最強(qiáng)攻略(建議收藏)

?

?

?

目錄

二、組合圖可視化

1、密度圖、核密度圖分布可視化：distplot函數(shù)+kdeplot函數(shù)

2、箱型圖、散點(diǎn)圖組合可視化(僅第2變量必須為數(shù)值型)

3、小提琴圖、散點(diǎn)圖組合可視化(僅第2變量必須為數(shù)值型)

---

?

?

相關(guān)文章
Py之seaborn：seaborn庫(kù)的簡(jiǎn)介、安裝、使用方法之詳細(xì)攻略
Py之seaborn：數(shù)據(jù)可視化seaborn庫(kù)(一)的柱狀圖、箱線圖(置信區(qū)間圖)、散點(diǎn)圖/折線圖、核密度圖/等高線圖、盒形圖/小提琴圖/LV多框圖的簡(jiǎn)介、使用方法之最強(qiáng)攻略(建議收藏)
Py之seaborn：數(shù)據(jù)可視化seaborn庫(kù)(二)的組合圖可視化之密度圖/核密度圖分布可視化、箱型圖/散點(diǎn)圖、小提琴圖/散點(diǎn)圖組合可視化的簡(jiǎn)介、使用方法之最強(qiáng)攻略(建議收藏)
Py之seaborn：數(shù)據(jù)可視化seaborn庫(kù)(三)的矩陣圖可視化之jointplot函數(shù)、JointGrid函數(shù)、pairplot函數(shù)、PairGrid函數(shù)、FacetGrid函數(shù)的簡(jiǎn)介、使用方法之最強(qiáng)攻略(建議收藏)

二、組合圖可視化

1、密度圖、核密度圖分布可視化：distplot函數(shù)+kdeplot函數(shù)

distplot()函數(shù)：集合了matplotlib的hist()與核函數(shù)估計(jì)kdeplot的功能，增加了rugplot分布觀測(cè)條顯示與利用scipy庫(kù)fit擬合參數(shù)分布的新穎用途。其中，直方圖表示通過(guò)沿?cái)?shù)據(jù)范圍形成分箱，然后繪制條以顯示落入每個(gè)分箱的觀測(cè)次數(shù)的數(shù)據(jù)分布圖。

fig, axes = plt.subplots(1,2,figsize=(10,6))sns.distplot(data_frame[cols[0]], # 不寫為x=data_frame[cols[0]]，是因?yàn)檫@樣可自動(dòng)添加橫坐標(biāo)標(biāo)簽 # bins=10, # 自定義柱狀寬度，不設(shè)置更好,會(huì)自動(dòng)計(jì)算 # hist=True,kde = True, norm_hist = False, # 柱狀圖是否按照密度來(lái)顯示，如果為 False,顯示計(jì)數(shù)，嘗試測(cè)試-----------------rug = True, # 單變量的柱狀圖，hist、ked、rug：bool，是否顯示箱柱狀圖/密度曲線/邊際毛毯數(shù)據(jù)分布/陰影，嘗試測(cè)試----------------- # fit=norm, # fit 可結(jié)合scipy庫(kù)在圖像上做擬合,擬合標(biāo)準(zhǔn)正態(tài)分布vertical = False, # 是否水平顯示，True label='dis', # label 圖例， # axlabel=cols[0], # axlabel x軸標(biāo)注ax = axes[0], )sns.kdeplot(data_frame[cols[0]],shade=True, # shade(顏色填充KDE曲線下方的區(qū)域)bw=bw01,label='kde_bw%.2f'%bw01,# axlabel=cols[0], # label 圖例，axlabel x軸標(biāo)注ax = axes[1], )

?

2、箱型圖、散點(diǎn)圖組合可視化(僅第2變量必須為數(shù)值型)

sns.boxplot(x=cols[0],y=cols[1],data=data_frame,hue=cols[2], # 該特征必須為類別型特征linewidth=2, width=0.8, fliersize=3, # 線寬、箱之間的間隔比例，異常點(diǎn)大小whis = 1.5, # 設(shè)置IQR notch = True, # 設(shè)置是否以中值做凹槽，嘗試測(cè)試-----------------# order = ['Thur','Fri','Sat','Sun'], )sns.swarmplot(x=cols[0],y=cols[1],data=data_frame, # color ='k',size = 3,alpha = 0.8,)

?

3、小提琴圖、散點(diǎn)圖組合可視化(僅第2變量必須為數(shù)值型)

sns.violinplot(x=cols[0],y=cols[1],data=data_frame,hue=cols[2], # 該特征必須為類別型特征scale = 'area', # 測(cè)度小提琴圖的寬度：area-面積相同，count-按照樣本數(shù)量決定寬度，width-寬度一樣gridsize = 50, # 設(shè)置小提琴圖邊線的平滑度，越高越平滑inner = 'box', # 設(shè)置內(nèi)部顯示類型 → box、quartile、point、stick、None，嘗試測(cè)試----------------- # split=True, # 設(shè)置是否拆分小提琴圖，前提條件是第三特征為二類別屬性，嘗試測(cè)試-----------------#bw = 0.8 # 控制擬合程度，一般可以不設(shè)置)sns.swarmplot(x=cols[0],y=cols[1],data=data_frame,hue=cols[2], # 該特征必須為類別型特征 # color="w", alpha=.5,)

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

總結(jié)

以上是生活随笔為你收集整理的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)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。