您当前的位置:首页 > 电脑百科 > 程序开发 > 语言 > Python

一个强大的python库!!

时间:2023-09-11 12:10:23  来源:  作者:深夜努力写Python

核心点:seaborn,更高级、更便捷、更美观!

 

哈喽,大家好,我是cos大壮!
今天给大家带来的是关于seaborn的一些介绍!
seaborn建立在 Matplotlib 的基础上的,提供了更高级、更美观、更易用的接口,用于创建各种统计图表和信息可视化!
 
Seaborn 的可视化无论是从视觉感官上还是操作上,都是相对来说比较高级,真心好用的那种!
聊聊关于 Seaborn 的一些主要特点,有利于后续的使用:
1、高级接口:Seaborn 提供了一组高级函数和方法,可以使得创建常见的统计图表变得简单,例如散点图、线性回归图、箱线图、直方图、核密度估计图、热图等等。无需像 Matplotlib 一样写大量的代码;
2、内置数据集:Seaborn 包含了一些内置的示例数据集,这些数据集可以用于练习和演示。这些数据集通常与示例图表一起使用,以帮助用户更好地理解如何使用 Seaborn 创建可视化。
3、统计图表:Seaborn 支持许多常用的统计图表类型,如散点图、折线图、条形图、箱线图、热图、小提琴图、分类散点图、成对关系图等。这些图表可以用于分析数据的分布、趋势、关系等方面。
4、配色方案:Seaborn 提供了一组美观的默认配色方案,使图表更具吸引力。此外,还可以轻松自定义配色方案,以满足特定需求。
5、高级统计功能:Seaborn 提供了用于绘制统计摘要信息的函数,例如回归线、置信区间、误差棒图等。这些功能有助于更深入地理解数据。
6、对 Pandas 数据框的支持:Seaborn 可以与 Pandas 数据框无缝集成,使数据的导入、转换和可视化变得更加方便。
7、主题和风格:Seaborn 允许用户选择不同的图表主题和样式,以满足不同的审美和出版需求。
今天会举一些案例,那么涉及到哪几类图表呢?有...有有这些~
  • catplot

  • violinplot

  • histplot

  • jointplot

  • heatmap

  • lineplot

  • stripplot

  • boxplot

  • pAIrplot

喜欢的朋友,无论是数据分析师、机器学习者、数据计算的朋友,都可以关注一下!
未来会带来更多有趣、实用的案例!
 

安装起来

安装其实非常简单, 利用pip即可!

 
pip install seaborn
导入,使用起来。

 
import seaborn as sns
然后,咱们还利用iris数据集进行图表的展示。
有需要数据集的朋友,可以通过后台回复“数据集”进行获取!

catplot

使用sns.catplot函数,并将kind参数设置为"bar"。
绘制 Iris 数据集中不同物种的花瓣长度(petal_length):

 
import seaborn as sns
import matplotlib.pyplot as plt

# 加载Iris数据集
iris = sns.load_dataset("iris")

# 创建catplot并绘制barplots
sns.catplot(x="species", y="petal_length", data=iris, kind="bar")
plt.xlabel("Species")
plt.ylabel("Petal Length")
plt.title("Barplots of Petal Length by Species")
plt.show()
创建的 catplot 图,x轴表示不同的物种(species),y轴表示花瓣长度(petal_length),并绘制了各个物种的平均花瓣长度的barplots。
可以根据需要修改x和y参数以及其他图形属性。
 

violinplot

使用sns.violinplot函数。
下面是一个示例代码,演示了如何绘制Iris数据集中各个物种的萼片长度(sepal_length)的violinplot:

 
import seaborn as sns
import matplotlib.pyplot as plt

# 加载Iris数据集
iris = sns.load_dataset("iris")

# 创建violinplot
sns.violinplot(x="species", y="sepal_length", data=iris)
plt.title("Violin Plot of Sepal Length by Species")
plt.xlabel("Species")
plt.ylabel("Sepal Length")
plt.show()
其中x轴表示不同的物种(species),y轴表示萼片长度(sepal_length)。
violinplot显示了每个物种的分布情况,包括分布的形状和密度。

 

histplot

使用sns.histplot函数。
下面的代码演示了如何绘制Iris数据集中不同物种的萼片长度(sepal_length)的直方图:

 
import seaborn as sns
import matplotlib.pyplot as plt

# 加载Iris数据集
iris = sns.load_dataset("iris")

# 创建histplot
sns.histplot(data=iris, x="sepal_length", hue="species", bins=10, kde=True)
plt.title("Histogram of Sepal Length by Species")
plt.xlabel("Sepal Length")
plt.ylabel("Frequency")
plt.legend(title="Species")
plt.show()
其中 x 轴表示萼片长度(sepal_length),y 轴表示频率(出现次数)。
不同物种的数据会以不同的颜色进行区分,可以看到它们的分布情况。
bins参数控制直方图的箱子数量,kde=True添加了核密度估计曲线以平滑显示分布情况。
 

jointplot

使用sns.jointplot函数。
下面是演示如何绘制Iris数据集中两个特征(sepal_length和sepal_width)的联合分布图:

 
import seaborn as sns
import matplotlib.pyplot as plt

# 加载Iris数据集
iris = sns.load_dataset("iris")

# 创建jointplot
sns.jointplot(data=iris, x="sepal_length", y="sepal_width", kind="scatter")
plt.xlabel("Sepal Length")
plt.ylabel("Sepal Width")
plt.show()
x 轴表示萼片长度(sepal_length),y 轴表示萼片宽度(sepal_width)。
可以使用kind参数来指定不同类型的jointplot,例如"scatter"(散点图)或"kde"(双变量核密度估计图),显示两个变量之间的关系。
 

heatmap

使用sns.heatmap函数。
通常,heatmap 用于可视化矩阵数据中各个元素的相对大小。
以下演示如何绘制Iris数据集中各个数值特征的相关性热图:

 
import seaborn as sns
import matplotlib.pyplot as plt

# 加载Iris数据集
iris = sns.load_dataset("iris")

# 计算相关性矩阵
correlation_matrix = iris.corr()

# 创建热图
sns.heatmap(correlation_matrix, annot=True, cmap="coolwarm", linewidths=0.5)
plt.title("Correlation Heatmap of Iris Dataset")
plt.show()
上面代码中,首先使用corr()函数计算了Iris数据集中数值特征之间的相关性矩阵。
然后,使用sns.heatmap来绘制相关性热图,其中annot=True表示在热图中显示数值标签,cmap参数用于指定颜色地图,linewidths参数用于指定单元格之间的边框宽度。
下图可视化各个特征之间的相关性程度。

lineplot

使用sns.lineplot函数。
通常,lineplot用于显示两个连续变量之间的趋势或关系。
下面代码演示绘制Iris数据集中某两个数值特征之间的线图:

 
import seaborn as sns
import matplotlib.pyplot as plt

# 加载Iris数据集
iris = sns.load_dataset("iris")

# 创建lineplot
sns.lineplot(data=iris, x="sepal_length", y="sepal_width", hue="species")
plt.xlabel("Sepal Length")
plt.ylabel("Sepal Width")
plt.title("Line Plot of Sepal Length vs. Sepal Width by Species")
plt.show()
示例绘制了萼片长度(sepal_length)与萼片宽度(sepal_width)之间的线图,并使用hue参数将数据按物种分组以在同一图中显示不同物种的趋势。
 

stripplot

使用sns.stripplot函数。
stripplot通常用于显示类别数据和数值数据之间的关系,通过散点图展示每个数据点的分布。
下面代码演示绘制Iris数据集中不同物种的萼片长度(sepal_length)的stripplot:

 
import seaborn as sns
import matplotlib.pyplot as plt

# 加载Iris数据集
iris = sns.load_dataset("iris")

# 创建stripplot
sns.stripplot(x="species", y="sepal_length", data=iris)
plt.xlabel("Species")
plt.ylabel("Sepal Length")
plt.title("Strip Plot of Sepal Length by Species")
plt.show()
创建的 stripplot 图,x轴表示不同的物种(species),y轴表示萼片长度(sepal_length)。
每个数据点用散点表示,展示了不同物种之间的分布情况。

boxplot

使用sns.boxplot函数。
boxplot通常用于可视化数据的分布和离群值。
下面代码演示绘制Iris数据集中不同物种的萼片长度(sepal_length)的boxplot:

 
import seaborn as sns
import matplotlib.pyplot as plt

# 加载Iris数据集
iris = sns.load_dataset("iris")

# 创建boxplot
sns.boxplot(x="species", y="sepal_length", data=iris)
plt.xlabel("Species")
plt.ylabel("Sepal Length")
plt.title("Box Plot of Sepal Length by Species")
plt.show()
创建的 boxplot 图,x轴表示不同的物种(species),y轴表示萼片长度(sepal_length)。
boxplot图展示了每个物种的萼片长度分布,包括中位数、四分位数和离群值。

pairplot

使用sns.pairplot函数。
pairplot用于可视化数据集中多个数值特征之间的关系。
代码演示绘制Iris数据集中的pairplot图:

 
import seaborn as sns
import matplotlib.pyplot as plt

# 加载Iris数据集
iris = sns.load_dataset("iris")

# 创建pairplot
sns.pairplot(iris, hue="species")
plt.show()
这将创建一个包含所有数值特征的 pairplot 图,其中不同物种的数据用不同的颜色进行区分(使用hue="species")。
pairplot 图在数据集中的每对特征之间绘制散点图,对角线上绘制直方图或核密度估计图。
 
 

最后

今天介绍了 seaborn 的一些核心的使用方式。
另外,更多可视化展现方式以及使用技巧可以从官方文档获取以及实战中领略!
喜欢的朋友可以收藏、点赞、转发起来!
关注本号,带来更多干货实例,提升工作学习效率!


Tags:python库   点击:()  评论:()
声明:本站部分内容及图片来自互联网,转载是出于传递更多信息之目的,内容观点仅代表作者本人,不构成投资建议。投资者据此操作,风险自担。如有任何标注错误或版权侵犯请与我们联系,我们将及时更正、删除。
▌相关推荐
bqplot,一个超强的Python库
什么是bqplot?bqplot是一个基于Python的交互式图表库,由Bloomberg的开发者创建。它允许用户利用简单的Python代码来创建丰富的、交互式的图表。bqplot的一个显著特点是它的集...【详细内容】
2023-12-12  Search: python库  点击:(120)  评论:(0)  加入收藏
六个顶级Python库推荐
本文将介绍用于自然语言处理任务的6个最佳Python库。无论是初学者还是经验丰富的开发人员,都能从中获得启发和帮助,提升在NLP领域的实践能力。1. PynlpirPynlpir是一个非常优...【详细内容】
2023-12-06  Search: python库  点击:(154)  评论:(0)  加入收藏
收藏这五个优秀Python库,事半功倍!
Python作为一种流行的编程语言,拥有丰富的生态系统和强大的库支持,可以帮助开发人员事半功倍。在本文中,笔者将介绍五个顶级Python库,这些库在各个领域都具有卓越的功能和灵活的...【详细内容】
2023-11-28  Search: python库  点击:(179)  评论:(0)  加入收藏
十大数据科学Python库,你用过几个?
现在是2023年,一个科技无处不在的年份。如果数据科学是音乐,那么Python将是它的贝多芬,它的Jay-Z,它的拉塔·曼格什卡尔。但是在这个音乐杰作中,谁是女主角和男主角—...【详细内容】
2023-11-10  Search: python库  点击:(261)  评论:(0)  加入收藏
10个图像处理的Python库,你用过哪些?
在这篇文章中,好学编程将整理计算机视觉项目中常用的Python库,如果你想进入计算机视觉领域,可以先了解下本文介绍的库,这会对你的工作很有帮助。1、PIL/PillowPillow是一个通用...【详细内容】
2023-11-09  Search: python库  点击:(216)  评论:(0)  加入收藏
5个堪称瑰宝级的Python库,建议收藏!
Python是一种广泛使用的高级编程语言,拥有丰富的生态系统和庞大的开发社区。在这个生态系统中,有许多优秀的Python库,它们为开发者提供了丰富的功能和工具,极大地简化了开发过程...【详细内容】
2023-11-09  Search: python库  点击:(253)  评论:(0)  加入收藏
借助Python库CuPy,发掘GPU的威力
译者 | 布加迪审校 | 重楼CuPy简介CuPy是一个Python库,与NumPy和SciPy数组兼容,为GPU加速计算而设计。通过将NumPy换成CuPy语法,您可以在英伟达CUDA或AMD ROCm平台上运行代码。...【详细内容】
2023-11-07  Search: python库  点击:(355)  评论:(0)  加入收藏
用Python库优化机器学习工作流程
在现今这个数据驱动的时代,机器学习已经成为了一种不可或缺的技术。然而,对于日常工作者来说,他们可能会被复杂的机器学习算法和代码所困扰。别担心,今天我们将介绍一些Python库...【详细内容】
2023-11-02  Search: python库  点击:(248)  评论:(0)  加入收藏
面向并行处理的7个Python库
译者 | 布加迪审校 | 重楼Python历来以使用方便和对程序员友好著称,但它不是市面上速度最快的编程语言。Python的一些速度限制归咎于它的默认实现CPython是单线程的。也就是...【详细内容】
2023-10-08  Search: python库  点击:(272)  评论:(0)  加入收藏
并行计算必看:这七个Python库
译者 | 布加迪审校 | 重楼Python历来以使用方便和对程序员友好著称,但它不是市面上速度最快的编程语言。Python的一些速度限制归咎于它的默认实现CPython是单线程的。也就是...【详细内容】
2023-10-08  Search: python库  点击:(407)  评论:(0)  加入收藏
▌简易百科推荐
Python 可视化:Plotly 库使用基础
当使用 Plotly 进行数据可视化时,我们可以通过以下示例展示多种绘图方法,每个示例都会有详细的注释和说明。1.创建折线图import plotly.graph_objects as go# 示例1: 创建简单...【详细内容】
2024-04-01  Python技术    Tags:Python   点击:(8)  评论:(0)  加入收藏
Python 办公神器:教你使用 Python 批量制作 PPT
介绍本文将介绍如何使用openpyxl和pptx库来批量制作PPT奖状。本文假设你已经安装了python和这两个库。本文的场景是:一名基层人员,要给一次比赛活动获奖的500名选手制作奖状,并...【详细内容】
2024-03-26  Python技术  微信公众号  Tags:Python   点击:(16)  评论:(0)  加入收藏
Python实现工厂模式、抽象工厂,单例模式
工厂模式是一种常见的设计模式,它可以帮助我们创建对象的过程更加灵活和可扩展。在Python中,我们可以使用函数和类来实现工厂模式。一、Python中实现工厂模式工厂模式是一种常...【详细内容】
2024-03-07  Python都知道  微信公众号  Tags:Python   点击:(31)  评论:(0)  加入收藏
不可不学的Python技巧:字典推导式使用全攻略
Python的字典推导式是一种优雅而强大的工具,用于创建字典(dict)。这种方法不仅代码更加简洁,而且执行效率高。无论你是Python新手还是有经验的开发者,掌握字典推导式都将是你技能...【详细内容】
2024-02-22  子午Python  微信公众号  Tags:Python技巧   点击:(32)  评论:(0)  加入收藏
如何进行Python代码的代码重构和优化?
Python是一种高级编程语言,它具有简洁、易于理解和易于维护的特点。然而,代码重构和优化对于保持代码质量和性能至关重要。什么是代码重构?代码重构是指在不改变代码外部行为的...【详细内容】
2024-02-22  编程技术汇    Tags:Python代码   点击:(33)  评论:(0)  加入收藏
Python开发者必备的八个PyCharm插件
在编写代码的过程中,括号几乎无处不在,以至于有时我们会拼命辨别哪个闭合括号与哪个开头的括号相匹配。这款插件能帮助解决这个众所周知的问题。前言在PyCharm中浏览插件列表...【详细内容】
2024-01-26  Python学研大本营  微信公众号  Tags:PyCharm插件   点击:(85)  评论:(0)  加入收藏
Python的Graphlib库,再也不用手敲图结构了
Python中的graphlib库是一个功能强大且易于使用的工具。graphlib提供了许多功能,可以帮助您创建、操作和分析图形对象。本文将介绍graphlib库的主要用法,并提供一些示例代码和...【详细内容】
2024-01-26  科学随想录  微信公众号  Tags:Graphlib库   点击:(86)  评论:(0)  加入收藏
Python分布式爬虫打造搜索引擎
简单分布式爬虫结构主从模式是指由一台主机作为控制节点负责所有运行网络爬虫的主机进行管理,爬虫只需要从控制节点那里接收任务,并把新生成任务提交给控制节点就可以了,在这个...【详细内容】
2024-01-25  大雷家吃饭    Tags:Python   点击:(58)  评论:(0)  加入收藏
使用Python进行数据分析,需要哪些步骤?
Python是一门动态的、面向对象的脚本语言,同时也是一门简约,通俗易懂的编程语言。Python入门简单,代码可读性强,一段好的Python代码,阅读起来像是在读一篇外语文章。Python这种特...【详细内容】
2024-01-15  程序员不二    Tags:Python   点击:(162)  评论:(0)  加入收藏
Python语言的特点及应用场景, 同其它语言对比优势
Python语言作为一种高级编程语言,具有许多独特的特点和优势,这使得它在众多编程语言中脱颖而出。在本文中,我们将探讨Python语言的特点、应用场景以及与其他语言的对比优势。一...【详细内容】
2024-01-09    今日头条  Tags:Python语言   点击:(253)  评论:(0)  加入收藏
站内最新
站内热门
站内头条