Python图表数据可视化Seaborn:4结构化图表可视化,,1.基本设置impo
Python图表数据可视化Seaborn:4结构化图表可视化,,1.基本设置impo
1.基本设置
import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as sns% matplotlib inlinesns.set_style("ticks")sns.set_context("paper")# 设置风格、尺度import warningswarnings.filterwarnings(‘ignore‘) # 不发出警告
# 1、基本设置# 绘制直方图tips = sns.load_dataset("tips")print(tips.head())# 导入数据g = sns.FacetGrid(tips, col="time", row="smoker")# 创建一个绘图表格区域,设置好row、col并分组g.map(plt.hist, "total_bill",alpha = 0.5,color = ‘k‘,bins = 10)# 以total_bill字段数据分别做直方图统计
# 1、基本设置# 绘制直方图g = sns.FacetGrid(tips, col="day", size=4, # 图表大小 aspect=.5) # 图表长宽比g.map(plt.hist, "total_bill", bins=10, histtype = ‘step‘, #‘bar‘, ‘barstacked‘, ‘step‘, ‘stepfilled‘ color = ‘k‘)
# 1、基本设置# 绘制散点图g = sns.FacetGrid(tips, col="time", row="smoker")# 创建一个绘图表格区域,设置好row、col并分组g.map(plt.scatter, "total_bill", "tip", # share{x,y} → 设置x、y数据 edgecolor="w", s = 40, linewidth = 1) # 设置点大小,描边宽度及颜色g.add_legend()# 添加图例
# 1、基本设置# 分类g = sns.FacetGrid(tips, col="time", hue="smoker")# 创建一个绘图表格区域,设置好col并分组,按hue分类g.map(plt.scatter, "total_bill", "tip", # share{x,y} → 设置x、y数据 edgecolor="w", s = 40, linewidth = 1) # 设置点大小,描边宽度及颜色g.add_legend()# 添加图例
2. 图表矩阵
# 2、图表矩阵attend = sns.load_dataset("attention")print(attend.head())# 加载数据g = sns.FacetGrid(attend, col="subject", col_wrap=5, # 设置每行的图表数量 size=1.5)g.map(plt.plot, "solutions", "score", marker="o",color = ‘gray‘,linewidth = 2)# 绘制图表矩阵g.set(xlim = (0,4), ylim = (0,10), xticks = [0,1,2,3,4], yticks = [0,2,4,6,8,10] )# 设置x,y轴刻度
Python图表数据可视化Seaborn:4结构化图表可视化
相关内容
- python实现列表中各元素的拼接,python拼接,功能要求:
- 分享《Python深度学习》高清中文版pdf+高清英文版pdf+源
- python ---求100以内的质数有哪些,,#coding=ut
- 运维学python之爬虫中级篇(六)基础爬虫,,通过这么多
- CentOS7安装Python3.7,,首先安装依赖包,ce
- python改文件名,python文件名,import os
- python-面向对象(绑定方法与非绑定方法),python-面向
- Python pip 安装组件命令 以及下载速度慢的问题,python
- python - 定时清理ES 索引,python清理es索引,只保留三天
- selenium+Python(处理html5的视频播放),, Webdr
评论关闭