Python matplotlib seaborn（学习笔记）

业界资讯 2022-03-29 12:43:27 阅读次数: 0

文章目录

一、seaborn概述

Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图。详情请查阅官网：seaborn

二、数据整理

import seaborn as sns
import numpy as np 
import matplotlib as mpl
from matplotlib import pyplot as plt 
import pandas as pd 
from datetime import datetime,timedelta
%matplotlib inline
plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号
from datetime import datetime 

films=['穿过寒冬拥抱你','反贪风暴5：最终章','李茂扮太子','误杀2','以年为单位的恋爱','黑客帝国：矩阵重启','雄狮少年','魔法满屋','汪汪队立大功大电影','爱情神话']
regions=['中国','英国','澳大利亚','美国','美国','中国','英国','澳大利亚','美国','美国']
bos=['61,181','44,303','42,439','22,984','13,979','61,181','44,303','41,439','20,984','19,979']
persons=['31','23','56','17','9','31','23','56','17','9']
prices=['51','43','56','57','49','51','43','56','57','49']
showdate=['2022-12-03','2022-12-05','2022-12-01','2022-12-02','2022-11-05','2022-12-03','2022-12-05','2022-12-01','2022-12-02','2022-11-05']
ftypes=['剧情','动作','喜剧','剧情','剧情','爱情','动作','动画','动画','动画']
points=['8.1','9.0','7.9','6.7','3.8','8.1','9.0','7.9','6.7','3.8']
filmdescript={
    
    
    'ftypes':ftypes,
    'bos':bos,
    'prices':prices,
    'persons':persons,
    'regions':regions,
    'showdate':showdate,
    'points':points
}

import numpy as np
import pandas as pd
cnbo2021top5=pd.DataFrame(filmdescript,index=films)
cnbo2021top5[['prices','persons']]=cnbo2021top5[['prices','persons']].astype(int)
cnbo2021top5['bos']=cnbo2021top5['bos'].str.replace(',','').astype(int)
cnbo2021top5['showdate']=cnbo2021top5['showdate'].astype('datetime64')
cnbo2021top5['points']=cnbo2021top5['points'].apply(lambda x:float(x) if x!='' else 0)

cnbo2021top5

在这里插入图片描述

# 常用调色盘
r_hex = '#dc2624'     # red,       RGB = 220,38,36	
dt_hex = '#2b4750'    # dark teal, RGB = 43,71,80	
tl_hex = '#45a0a2'    # teal,      RGB = 69,160,162	
r1_hex = '#e87a59'    # red,       RGB = 232,122,89	
tl1_hex = '#7dcaa9'   # teal,      RGB = 125,202,169	
g_hex = '#649E7D'     # green,     RGB = 100,158,125	
o_hex = '#dc8018'     # orange,    RGB = 220,128,24	
tn_hex = '#C89F91'    # tan,       RGB = 200,159,145	
g50_hex = '#6c6d6c'   # grey-50,   RGB = 108,109,108	
bg_hex = '#4f6268'    # blue grey, RGB = 79,98,104	
g25_hex = '#c7cccf'   # grey-25,   RGB = 199,204,207

color=['#dc2624' ,'#2b4750','#45a0a2','#e87a59','#7dcaa9','#649E7D','#dc8018','#C89F91','#6c6d6c','#4f6268','#c7cccf']
sns.set_palette(color)

01 折线图

def sinplot(flip=1):
    x = np.linspace(0, 14, 100)
    for i in range(1, 7):
        plt.plot(x, np.sin(x + i * .5) * (7 - i) * flip)
sinplot()
# 对两种画图进行比较
fig = plt.figure()
sns.set()
sinplot()

在这里插入图片描述

plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号
plt.figure(figsize=(14,8))
plt.title("中国电影票房2021top10")
plt.xlabel("电影名称")
plt.ylabel("电影票房")
sns.lineplot(data=cnbo2021top5[['bos']])
plt.xticks(rotation=45)

在这里插入图片描述

02 柱形图

cnbo2021top5ftgb=cnbo2021top5.groupby(['ftypes'])['bos','persons','prices','points'].mean()
cnbo2021top5ftgb=cnbo2021top5ftgb.reset_index().replace()
cnbo2021top5ftgb

在这里插入图片描述

### 02 条形图
plt.figure(figsize=(14,8))
plt.title("中国电影票房2021top10")
sns.barplot(x=cnbo2021top5ftgb['ftypes'],y=cnbo2021top5ftgb['persons'])
plt.xlabel("电影类型")
plt.ylabel("场均人次")
plt.xticks(rotation=45)
plt.show()

在这里插入图片描述

03 直方图

### 03 直方图
plt.figure(figsize=(14,8))
plt.title("中国电影票房2021top10")
sns.histplot(x=cnbo2021top5['bos'],bins=15) # x=cnbo2021top5ftgb['ftypes'],y=cnbo2021top5ftgb['persons']
plt.xlabel("电影类型")
plt.ylabel("场均人次")
plt.xticks(rotation=45)
plt.show()

在这里插入图片描述

三、绘图

上面的数据只有十部电影，而下面的数据是我整理出来的电影数据：

Excel：300部电影数据整理

扫描二维码关注公众号，回复： 13753831 查看本文章 
import pandas as pd 
cnboo=pd.read_excel("cnboNPPD1.xlsx")
cnboo

在这里插入图片描述

01 设定调色盘

# 设定调色盘
sns.set_palette(color)
sns.palplot(sns.color_palette(color,11)) # 表示11种颜色

在这里插入图片描述

02 柱状图

sns.set_palette(color)
sns.palplot(sns.color_palette(color,11))
plt.figure(figsize=(25,20))
plt.title('电影票房')
plt.xticks(rotation=45)
sns.barplot(x='TYPE',
            y='PRICE',
            hue='TYPE',
            data=cnboo)

在这里插入图片描述

03 技术图

sns.set_palette(color)
sns.palplot(sns.color_palette(color,11))
plt.figure(figsize=(15,10))
plt.title('电影票房')
plt.xticks(rotation=45)
sns.countplot(x='TYPE',data=cnboo)

在这里插入图片描述

04 点图

sns.set_palette(color)
sns.palplot(sns.color_palette(color,11))
plt.figure(figsize=(15,10))
plt.title('电影票房')
plt.xticks(rotation=45)
sns.pointplot(x='TYPE',y='PRICE',data=cnboo)
plt.show()

在这里插入代码片

sns.set_palette(color)
sns.palplot(sns.color_palette(color,11))
plt.figure(figsize=(25,10))
plt.title('电影票房')
plt.xticks(rotation=45)
sns.pointplot(x='TYPE',y='PRICE',hue='REGION',data=cnboo)
plt.show()

在这里插入图片描述

05 箱型图

### 05 箱型图
sns.set_palette(color)
sns.palplot(sns.color_palette(color,11))
plt.figure(figsize=(35,10))
plt.title('电影票房')
plt.xticks(rotation=45)
sns.boxplot(x='TYPE',y='PERSONS',hue='REGION',data=cnboo) # ,markers=['^','o'],linestyles=['-','--']
plt.show()
# 图中的单个点代表在此数据当中的异常值

在这里插入图片描述

06 小提琴图

### 06 小提琴图
sns.set_palette(color)
sns.palplot(sns.color_palette(color,11))
plt.figure(figsize=(35,10))
plt.title('电影票房')
plt.xticks(rotation=45)
sns.violinplot(x='TYPE',y='PRICE',hue='REGION',data=cnboo) # ,markers=['^','o'],linestyles=['-','--']
plt.show()

在这里插入图片描述
绘制横着的小提琴图：

sns.set_palette(color)
sns.palplot(sns.color_palette(color,11))
plt.figure(figsize=(35,10))
plt.title('电影票房')
plt.xticks(rotation=45)
sns.violinplot(x='PERSONS',y='PRICE',hue='REGION',data=cnboo,orient='h')
plt.show()

在这里插入图片描述

07 双变量分布图

sns.set_palette(color)
plt.figure(figsize=(15,7))
# plt.xticks(rotation=45)
sns.jointplot(x='BO',y='PRICE',data=cnboo).fig.suptitle("电影票房与票价的双变量分布图",va='top',y=1.05)
plt.show()

在这里插入图片描述

sns.set_palette(color)
plt.figure(figsize=(15,7))
# plt.xticks(rotation=45)
snsfig=sns.jointplot(x='PERSONS',y='BO',data=cnboo,color='g',s=50,edgecolor='black',linewidth=1,alpha=0.7,space=0.1,kind='scatter',height=6,ratio=5,marginal_kws=dict(bins=10,rug=True))
snsfig.fig.suptitle("电影场均人次与票价的双变量分布图",va='top',y=1.05)
plt.show()

在这里插入图片描述

sns.set_palette(color)
plt.figure(figsize=(15,7))
# plt.xticks(rotation=45)
snsfig=sns.jointplot(x='PERSONS',y='BO',
                     data=cnboo,color='g',
                     edgecolor='black',linewidth=1,alpha=0.7,
                     space=0.1,kind='hex',height=6,joint_kws=dict(gridsize=20), # gridsize越小，网格越大
                     ratio=5,marginal_kws=dict(bins=10,rug=True)) #bins=10:表示分成10个柱 
snsfig.fig.suptitle("电影场均人次与票价的双变量分布图",va='top',y=1.05)
plt.show()

在这里插入图片描述
在这里插入图片描述

sns.set_palette(color)
plt.figure(figsize=(15,7))
snsfig=sns.jointplot(x='PERSONS',y='BO',
                     data=cnboo,color='g',
                     edgecolor='black',linewidth=1,alpha=0.7,
                     space=0.1,kind='hex',height=6,joint_kws=dict(gridsize=40), # gridsize越小，网格越大
                     ratio=5,marginal_kws=dict(bins=10,rug=True,color='r',hist_kws={
    
    'edgecolor':'b'})) #bins=10:表示分成10个柱 ,且这里的color控制柱形图的颜色
snsfig.fig.suptitle("电影场均人次与票价的双变量分布图",va='top',y=1.05)
plt.show()

在这里插入图片描述

sns.set_palette(color)
plt.figure(figsize=(15,7))
# plt.xticks(rotation=45)
snsfig=sns.jointplot(x='PERSONS',y='BO',
                     data=cnboo,color='g',
#                      edgecolor='black',linewidth=1,alpha=0.7,
                     space=0.1,kind='kde', joint_kws=dict(gridsize=40), # gridsize越小，网格越大
                     ratio=5,) #bins=10:表示分成10个柱 ,且这里的color控制柱形图的颜色
snsfig.fig.suptitle("电影场均人次与票价的双变量分布图",va='top',y=1.05)
plt.show()

在这里插入图片描述

08 其余图形展示

sns.set_palette(color)
plt.figure(figsize=(15,7))
snsfig=sns.jointplot(x='PERSONS',y='BO',
                     data=cnboo,color='g',
                     space=0.1,kind='kde', joint_kws=dict(gridsize=40), # gridsize越小，网格越大
                     ratio=5,) #bins=10:表示分成10个柱 ,且这里的color控制柱形图的颜色
snsfig.fig.suptitle("电影场均人次与票价的双变量分布图",va='top',y=1.05)
snsfig.plot_joint(plt.scatter,c='r',s=20,linewidth=1,marker=".")
plt.show()

在这里插入图片描述

sns.kdeplot(cnboo['BO'])

在这里插入图片描述

sns.kdeplot(cnboo['BO'],shade=True) # 填充阴影

在这里插入图片描述

sns.kdeplot(cnboo['PRICE'],shade=True,bw=.05)  # 核密度区间的设置

在这里插入图片描述
在这里插入图片描述

sns.kdeplot(cnboo['PRICE'],shade=True);
sns.kdeplot(cnboo['PERSONS'],shade=True);

在这里插入图片描述

sns.jointplot(x=cnboo['PERSONS'],y=cnboo['PRICE'],kind='kde',color="grey",space=0)

在这里插入图片描述

y1=cnboo['BO']
y2=cnboo['PRICE']
y3=cnboo['PERSONS']

from scipy.stats import gamma
sns.distplot(y2,kde=False,fit=stats.gamma)

在这里插入图片描述

sns.kdeplot(y2,shade=True)
sns.kdeplot(y2,bw=0.2,label="bw:0.2");
sns.kdeplot(y2,bw=0.05,label="bw:0.05");
plt.legend()

在这里插入图片描述

f,ax=plt.subplots(figsize=(10,10))
cmap=sns.cubehelix_palette(as_cmap=True,dark=0,light=1,reverse=False)
sns.kdeplot(y2,y3,cmap=cmap,n_level=20,shade=True)

在这里插入图片描述

f,ax=plt.subplots(figsize=(10,10))
cmap=sns.cubehelix_palette(as_cmap=True,dark=0,light=1,reverse=True)
sns.kdeplot(y2,y3,cmap=cmap,n_level=20,shade=True)

在这里插入图片描述

f,ax=plt.subplots(figsize=(10,7))
sns.kdeplot(y2,y3,shade=True,ax=ax)
sns.rugplot(y3,vertical=True,ax=ax)
sns.rugplot(y2,color='g',ax=ax)

在这里插入图片描述

snspairdf=cnboo[['PERSONS','PRICE','BO']]
sns.pairplot(snspairdf)

在这里插入图片描述

g=sns.pairplot(snspairdf)
g.map_diag(sns.kdeplot)
g.map_offdiag(sns.kdeplot,cmpap='Blues_d',n_levels=6)

在这里插入图片描述

g=sns.pairplot(snspairdf,kind='reg')
g.map_diag(sns.kdeplot)
g.map_offdiag(sns.kdeplot,cmpap='Blues_d',n_levels=6)

在这里插入图片描述

猜你喜欢

转载自blog.csdn.net/wxfighting/article/details/123454072
今日推荐
美国拟限制 AI 大模型出口中国和俄罗斯
苹果将与 OpenAI 达成协议，将 ChatGPT 应用于 iPhone
openKylin 社区生态委员会第六次会议圆满召开
阿里云正式发布通义千问 2.5
Python 3.13 发布首个 Beta：实验性自由线程模式和 JIT、改进交互式解释器
Stack Overflow 拿我的代码去训练 AI 大模型，还封了我的账号
Pop!_OS 的 COSMIC 桌面完成 App Store 上架工作
报告：Django 仍然是 74% 开发者的首选
《2024 年一季度互联网投融资运行情况》研究报告
15 年前上了“FFmpeg 耻辱柱”，今天他还得谢谢咱——腾讯QQPlayer一雪前耻？
TIOBE 5 月榜单：Fortran “复活”进入 Top 10
GCC 14.1 发布
周排行
NEFU 117 素数个数的位数
Closest Common Ancestors (Lca,tarjan)
ELK部署
【转载】Hive笔记整理（三）
SQL语句（一）基本表的定义
关于Java web开发中的MySQL的事务语句
MFC创建自定义窗体
如何用一句话激怒程序员？
《逆袭大学》文摘——9.4 基础和应用的平衡中找到大学的节奏
【spring源码分析】@Value注解原理
每日归档
更多
2024-05-11(38)
2024-05-10(38)
2024-05-09(35)
2024-05-08(42)
2024-05-07(14)
2024-05-06(40)
2024-05-05(0)
2024-05-04(7)
2024-05-03(19)
2024-05-02(0)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022