5-3 可视化库Seaborn-变量分析绘图
In [1]:
%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats,integrate
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)
#生成高斯数据随机种子
np.random.seed(sum(map(ord,"distributions")))
1.简单的单变量数据特征绘图javascript
- 直方图：显示数据范围里的数据个数
- kde:核密度估计
In [2]:
x=np.random.normal(size=100)
#画直方图bins自动分组
sns.distplot(x,kde=False)
Out[2]:
在distplot()中改变bins的个数，将数据分红30组css
In [3]:
sns.distplot(x,bins=30,kde=False)
Out[3]:
2.查看数据分布状况html
In [4]:
x=np.random.gamma(6,size=200)
sns.distplot(x,kde=False,fit=stats.gamma)#fit=stats.gamma是拟合统计的曲线
Out[4]:
3.根据均值和协方差生成数据html5
In [5]:
mean,cov=[0,1],[(1,.5),(.5,1)]
data=np.random.multivariate_normal(mean,cov,200)
df=pd.DataFrame(data,columns=["x","y"])
df
Out[5]:
4.观测两个变量之间的分布关系最好用散点图python
In [6]:
sns.jointplot(x="x",y="y",data=df)
Out[6]:
5.数据量大时经过颜色深浅来判别每一个区域的密度jquery
- kind：指定绘图方式有{ “scatter” | “reg” | “resid” | “kde” | “hex” }这几种
In [7]:
x,y=np.random.multivariate_normal(mean,cov,2000).T
with sns.axes_style("white"):#指定风格
sns.jointplot(x=x,y=y,kind="hex",color="k")
In [8]:
sns.jointplot(x=x,y=y,kind="kde",color="k")
Out[8]:
In [9]:
sns.jointplot(x=x,y=y,kind="reg",color="k")
Out[9]:
5.用鸢尾花数据来绘制两个变量间的关系图linux
In [10]:
iris=sns.load_dataset("iris")
sns.pairplot(iris)
Out[10]:
相关文章
- 1. 5-5 可视化库Seaborn-多变量分析绘图
- 2. 5-6 可视化库Seaborn-Facetgrid使用和绘制多变量
- 3. Python统计分析可视化库——seaborn
- 4. Python统计分析可视化库seaborn(相关性图，变量分布图，箱线图等等)
- 5. 5-7 可视化库Seaborn-热度图绘制
- 6. 图表可视化--Seaborn
- 7. python可视化分析（matplotlib、seaborn、ggplot2）
- 8. Seaborn--多变量分析（四）
- 9. Seaborn--单变量分析（三）
- 10. 可视化绘图分析（一）
- 更多相关文章...
- • R 绘图 - 饼图 - R 语言教程
- • SQLite 视图（View） - SQLite教程
- • Git可视化极简易教程 — Git GUI使用方法
- • Git五分钟教程
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
