コード、メモ、およびデータセット ファイルは gitee に配置されます。
ここをクリックして gitee に入ります
https://gitee.com/jiangxun07/python-data-analysis.git
記事ディレクトリ
0 シーボーンの紹介
Seaborn は、 matplotlibをベースとし、データ構造がpandasと統一された統計図作成ライブラリです。
Seaborn のいくつかの機能のリストは次のとおりです。
- 複数の変数間の関係を計算するためのデータセット指向のインターフェイス
- カテゴリ変数の観察と統計の視覚化
- 単変量または多変量分布を視覚化し、そのサブデータセットと比較します
- 線形回帰のさまざまな従属変数を制御し、パラメーターの推定とプロットを実行します。
- 複雑なデータの全体構造を簡単に視覚化
- 複数テーブルの統計チャートの作成を高度に抽象化し、視覚化プロセスを簡素化します。
- matplotlib 画像スタイルをレンダリングするための複数の組み込みテーマを提供します
- データに命を吹き込むためのパレットツールを提供します
Seaborn フレームワークは、データの視覚化を中心にデータをマイニングして理解するように設計されています。提供されるデータ セット指向のグラフ作成機能は、主に行と列のインデックスと配列で動作し、内部セマンティック マッピングやデータ セット全体の統計的統合など、情報豊富なグラフを生成します。
ターミナルにインストールします。pip install seaborn
公式文書: http://seaborn.pydata.org/index.html
seaborn 公式文書
中国文書: https://seaborn.apachecn.org/#/README
seaborn 中国公式文書(高速化する必要があります)
ブロガーは
公式文書を送信できます無料で非公開データセット: https://github.com/mwaskom/seaborn-data
1 シーズンのはじめに
# 先看一下matplotlab的绘图
import matplotlib.pyplot as plt
import numpy as np
# 创建一些数据
# np.random.RandomState(0) 是一个随机数种子
# 通过该随机数种子生成的随机序列<正态分布>, 可以保证数据相同
rng = np.random.RandomState(0)
x = np.linspace(0, 10, num=500)
y = np.cumsum(rng.randn(500, 6), 0) # 500行数据, 6列, 按照行计算
# 用Matplotlib默认样式画图
plt.plot(x, y)
plt.legend('ABCDEF', ncol=2, loc='upper left')
import seaborn as sns # 导入
import matplotlib.pyplot as plt
import numpy as np
sns.set() # 使用seaborn的默认配置, 可以直接对接matplotlib绘图
plt.plot(x, y)
plt.legend('ABCDEF', ncol=2, loc='upper left')
2 シーボーンの絵
2.1 頻度ヒストグラム
sns.set() は次の Seaborn パラメータを設定できます。
- context: 描画コンテキストを設定します。これは、「ノートブック」(デフォルト値) または「紙」です。
- style: 描画スタイルを設定します。「white」(デフォルト値)、「darkgrid」、「whitegrid」、「dark」、「white」などになります。
- パレット: パレットを設定します。「default」(デフォルト値)、「cubehelix」、「Set1」などです。
- font: フォントを設定します。「セリフ」(デフォルト値)、「サンセリフ」、「等幅」のいずれかです。
- axlinestyle: 軸線のスタイルを設定します。「–」、「steps-mid」などを指定できます。
- savefig.dpi: 保存された画像の解像度。
- Figure.figsize: 画像サイズを設定します。
- print_grid: グリッドを印刷するかどうかを設定します。
- 詳細: 情報プロンプトを表示するかどうかを設定します。
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
# 取的是正态分布的值
data=np.random.multivariate_normal([0,0],[[5,2],[2,2]],size=2000)
data=pd.DataFrame(data,columns=['x','y'])
sns.set()
# 绘制平滑估计图<直方图的拟合线>
sns.kdeplot(data['x'])
sns.kdeplot(data['y'])
sns.jointplot(data=data,x='x',y='y',kind='kde')
#data 是你的数据集。
#x 和 y 是在数据集中你想要在联合图上表示的列的名字。
#kind 参数指定你想创建的联合图的类型。在这种情况下,你选择了 'kde',也就是核密度估计图。
# kind='hex' 六边形核密度图样式 kind='kde' 线条样式
# kind='hex' 六边形核密度图样式
sns.jointplot(data=data,x='x',y='y',kind='hex')
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
# 取的是正太分布的值
data = np.random.multivariate_normal([0, 0], [[5, 2], [2, 2]], size=2000)
data = pd.DataFrame(data, columns=['x', 'y'])
plt.hist(data['x'], density=True, alpha=0.5)
plt.hist(data['y'], density=True, alpha=0.1)
plt.legend('XY', ncol=2, loc='upper left')
plt.show()
2.2 マトリックス図
sns.set()
iris=pd.read_csv('./data/iris.csv')
#sepal_length萼片长度
#sepal_width萼片宽度
#petal_length花瓣长度
#petal_width花瓣宽度
#species 种类
iris
# pairplot pair 成双成对, 描述数据两联高枝剪的关系, 线性, 非线性关系, 相关关系等等
# hue='species' 指定分类的字段, 将每个数据划分不同颜色
sns.pairplot(iris, hue='species')
2.3 ファセット頻度チャート
tips=pd.read_csv('./data/tips.csv')
tips
# 计算消费占总餐费的比重
tips['tip_proportion']=tips['tip']/tips['total_bill']*100
# margin_titles 显示字段标题
grid=sns.FacetGrid(data=tips,row='sex',col='time',margin_titles=True)
grid.map(plt.hist,'tip_proportion',bins=np.linspace(0,40,15))
なぜ男性は昼よりも夜のほうがチップを多く払うのでしょうか?
2.4 箱ひげ図
tips
with sns.axes_style(style='ticks'):
sns.catplot(data=tips,x='day',y='total_bill',hue='sex',kind='box')
#kind: 绘图类型:violin 小提琴图 swarm 散点图 box 箱线图
2.5 分類図
with sns.axes_style(style='ticks'):
sns.catplot(data=tips,x='day',y='total_bill',hue='sex',kind='violin')
with sns.axes_style(style='ticks'):
sns.catplot(data=tips,x='day',y='total_bill',hue='sex',kind='swarm')
sns.catplot(data=tips, x='day', y='total_bill', hue='smoker', kind='swarm')
sns.catplot(data=tips, x='day', y='total_bill', hue='smoker', kind='violin')
2.6 結合分布図
まだヒントデータを使用しています
sns.set()
sns.jointplot(data=tips,x='total_bill',y='tip',kind='hex')
sns.jointplot(data=tips, x='total_bill', y='tip', kind='reg')
# reg= 构建线性回归的拟合线条
- pyecharts はデータの表示に焦点を当てており、動的なデータ相互作用効果があります。
- matplotlibはフロアプランを描画します
- シーボーン描画研究データ
2.7 パレット
sns.color_palette() # 默认的调色板
sns.palplot(sns.hls_palette(8, l=0.5, s=0.8)) # l 亮度 s 饱和度