pandas_matplot_seaborn

PDとしてインポートパンダ
の#import matplotlibの
＃unrate = pd.read_csv（ "unrate.csv"） 
＃把格式1948年1月10日转化为1948年1月10日时间
#unrate [ "DATE"] = pd.to_datetime（unrate [ 'DATE']） 
＃折线图の
PLTのようなインポートmatplotlib.pyplot 
SNSとしてインポートseaborn 
のNPとしてインポートnumpyの
PDとしてインポートパンダ
scipyのダウンロードインポートの統計から、統合
PLT用としてインポートmatplotlib.pyplotを
MPLとしてインポートmatplotlibの

titannic = sns.load_dataset（「タイタニック"）
ヒント= sns.load_dataset（"チップ"）
アイリス= sns.load_dataset（ 'アイリス'）
''」
入場= pd.read_csv（admissions.csv"）
admission_t =入院[0：12] 
plt.plot（admission_t [ 'GPA']、admission_tの[」GRE「]）＃ドローパターン
plt.xticks（回転= 25）＃のx軸はタグ名の角度を変更するには、
＃は軸タイトルの追加
plt.xlabel（ "こんにちは"）
plt.ylabel（ "世界"） 
＃タイトルの追加
plt.titleを（ "Hello World"の）
#plt .SHOW（）


図plt.figure =（figsize =（3,3））ペイント＃デフォルトインターバル
＃1 AX1 = fig.add_subplot（2,2,1）＃ 2,2 マトリクスのサイズの代表位置を表し
=図＃1 AX2を。 add_subplot（2.2.2）
＃= fig.add_subplot AX4（2,2,4）
plt.show（）

unrate = pd.read_csv（ "admissions.csv"）
図のplt.figure =（figsize =（10,6 ））

色= [ '赤'、 '緑'、 "ブルー"、 "オレンジ"、 'ブラック'] 
の範囲でI（5）：
    中START_INDEX =私は12です* 
    。END_INDEX =（I + 1）* 12がある
    サブセット= unrate [中START_INDEX：END_INDEX] 
    右上バルーン＃でのラベル= STR（+ I 1958）
    plt.plot（部分集合[ "GPA"] 、部分集合[ "GRE"]、C =色[i]は、ラベル=ラベル） 
位置plt.legend（LOC = '最良の'） ＃スプラット定義


（plt.show）を

図行＃列
numpyのインポートaRangeのから
＃は最初横座標データ取得の各列の高さデータを取得する必要があります
=レビューpd.read_csv（「CSVを」 ）＃のファイルオブジェクトデータフォーム得
COLS = [ 『FILM』、「RT_usr_normを'' IMDB_norm '] 
norm_recives =レビュー[COLS]＃Serise 

NUM_COLS = ['フリスト' "第二"、' THIRD ''四'は、'ファイブ「] 
bar_height norm_recives.ix =（0、NUM_COLS）.values＃高さバーグラフ
bar_positions = arange（5）+ 0.75 ＃ 位置棒グラフ

図、AX = plt.subplots（）
ax.bar =（bar_positions、bar_height、0.3）カラムの＃0.3幅棒グラフ代表にウィンドウ

#plt。ショー（） 
＃フォームシリーズライブラリデータ
#axグラフィックオペレーション
＃の
イチジク、AX = plt.subplots（）

ax.hist（norm_recives） 

＃負荷ファイル
recive_csv = pd.read_csv（ "cleaned_loans2007.csv"）
#cols = [ 'clo1'、 'COL2'、 'COL3'、 'COL4'] 
#correct_csv = recive_csv [COLS] 

図、 plt.subplots = AX（）
ax.histは（recive_csv [「revol_bal」]）カラム名＃を与える
アウトグラフ同じ値とバーで表される数の＃統計的な分布範囲
）（plt.showを

#data visualzation 

＃インポートペイントパッケージ
＃％matplotlibのインライン
DEF sinplot（=フリップ1）：
    部分（0,14）に見出さX = np.linspace（0,14,100）＃100ポイント
    Iのための範囲内の（1,7）：＃6ラインビデオ
        plt.plot（X、np.sin（X + I * 4.5）*（7-I）*フリップ）＃ 各点の高さを計算し、ビューに描画
    plt.show（）
#sinplot（）関数呼び出し＃
#seabornテーマのスタイルを設定します。
#sinplot（）
sns.set_styleを（ 'whitegrid'）
データ= np.random.normal（サイズ=（20,6 ））＃+ np.arange（6）/ 2＃ 正規確率密度関数
20行6列の＃二次元アレイ
プリント（data.shape）
印刷（データ）
sns.boxplot（データ=データ）のロードデータ＃
表示する＃plt.show（）＃の試み
＃のsns.set_style（ 'チケット'）＃短い線と線分
印刷（ヘルプ（np.linspace））
#sinplotを（ ）関数呼び出し

ddは= np.linspace（0,5,100）＃100が0-5と順序との間の乱数を生成
）プリント（型（DD）
プリント（DD）を

NP AS numpyのインポート
のN = 8 
、Y = np.zeros （N）＃はnp.array 8は、ゼロの初期化含ま
プリント（Y）
X1 = np.linspace（0、10、N、エンドポイント= TRUE）8位のX座標生成
プリントを（X1）
X2 = np.linspace （0、10、N、エンドポイント=偽）
プリント（X2）
plt.plot（X1、Y、 'O'）＃ビデオ第

plt.plot（X 2、Y + 0.5、 'O'）＃1 ペイント

plt.ylim（[ - 0.5 ,. 1]）

plt.show（）


sns.set_style（）セットスタイル＃1 
sns.despine（左= TRUE）
sns.axes_style（ 'darkgrid'）を有する：
    plt.subplot（211）＃に図のサブセットスタイル設定
    sinplot（）
sns.set_context（ "紙"）
plt.figure（figsize =（8,6））

HLS色空間

電流= sns.color_palette（）
set_palette（）
のインデックス

＃1 sns.set（RC = { "figure.figsize" :( 6,6）}）
電流= sns.color_palette（）
sns.palplot（sns.color_palette（ 'HLS' ,. 8））の色の変化＃1に関連

＃離散連続
#data = NP .random.normal（サイズ=（20,8））+ np.arange（8）/ 2 
＃型カラー表示データ試行＃sns.boxplot（4）データ=データ、パレット= sns.color_palette（ 'HLS'、。）
カテゴリー＃Lの輝度彩度
＃1 sns.color_palette（ 'HLS'、8 、L = 7、S = 9）


plt.plot（[0.1]、[0.1]、[ '淡赤色'] sns.xkcd_rgb、= LW 3）
plt.show（）

sns.palplot（sns.color_palette（ "ブルー"））＃勾配
sns.palplot（ sns.color_palette（ "Blue_r"））ダークから前方へ＃勾配

sns.palplot（sns.cubechelix_palette（8、=開始。5、腐敗= -75））
sns.palplot（sns.light_palette（ "グリーン"））＃グラデーション

X、Y = np.random.multivariate_normal（[0,0]、[1、-5]、[ - 5,1]、サイズ= 300）.Tの
印刷（X、Y）
PAL = sns.dark_palette（ 「赤」、as_cmap = TRUE） 
＃ビデオ火山図の
sns.kdeplot（X、Y、CMAP = PAL）＃ 位置及び色に渡さ
plt.show（）
GETデータ分析一変量分析前記単一
のデータによって前記組成物、前記明確な理解の分布


sns.set（color_codes =真）
AA = np.random.seed（SUM（地図（ORD、 "ディストリビューション"）））
印刷（タイプ（AA））
印刷（AA）
X = np.random。生成された通常の（サイズ= 100）＃ガウスデータ
#kdeカーネル密度推定高いビン分割のSi Lunbu 20のアリコート分布を参照フィット
X = np.random.gamma（6、サイズ= 200である）
＃スクエア
sns.distplot（X、KDE = Falseを、フィット=統計。 ガンマ）＃正方形図の生成
plt.show（）

単一の正方形が前記スキャッタグラムにより特徴付けられるデータ特徴の平均と共分散との間の＃関係
平均、COV = [0,1]、 [（1、0.5）、 （0.5として、1）] 
データnp.random.multivariate_normal =（平均、CoVの、200である）＃は、二次元データ生成
DF = pd.DataFrame（データ列= [ 'X'、 'Y']）＃の形式生成データフレームをデータ
＃スキャッタ方式
sns.jointplot（X = 'X'、 Y = 'Y'、データ= DF）＃1 スキャッタグラム生成
（plt.show）の

平均、CoVの= [0,1]、[（1、 。0.5）、（5,1）] 
X、Yのnp.random.multivariate_normal =（平均、CoVの、1000）に加え＃.T .Tタプルに
sns.axes_style有する（ '白'）： ＃の設計指定された六角型パターンキング図の
    sns.jointplot（X = X、Y = Y、種別= '進'、カラー= 'K'）
PLT。ショー（） 
スキャッタグラムデータ量六角によって再生少量のデータ。


＃22個の前記4つの特徴比較

IRIS = sns.load_dataset（「IRIS」）
の間に＃視覚特性と表示特性   
sns.pairplot（IRIS）
plt.show（）

図のregplotにおける回帰直線型を描画する（）

のヒント= sns.load_dataset （ 'ヒント'）

印刷（tips.head（）） 
            ＃インデックスxとyのインデックス関係
＃のsns.regplot（X = 'total_bill'、Y = 'ヒント'、データ=ヒント）

                                            ＃データジッタ
sns.regplot（データヒント=、X = 'サイズ'、Y = 'ヒント'、x_jitter = 0.05）
plt.show（）



#strip図タイプ
＃1 sns.stripplot（Y = '日' 、X = 'total_bill'、データ=ヒント、 = Falseのジッタ）

図タイプの＃木
＃1 sns.swarmplot（X =「日」、Y =「total_bill」、データ=ヒント）
＃カセット統計的に図四分の一の範囲四分位IQRと四分の三ビット間の距離
#N = 1.5IQR> Q3値+ nまたは<Q1-Nは、外れ値と呼ばれる場合
＃1 sns.boxplot（X = '日'、Y = 'total_bill'、色相= '時間'、データ= TIPS） 

＃梯形图
＃sns.violinplot（Y = 'total_bill'、X = '日'、色相= '時間」、データ=ヒント、スプリット=真）
#alpha = Trueの＃透明度
＃柱形图
＃のsns.barplot（X = 'セックス'、yは= ' "クラス" =、'、データ= titannic）色相を生き延び

＃の点を图
sns.pointplot（X = '性別'、Y = '生存'、色相= 'クラス'、データ= titannic、パレット= { '男性'： 'G'、 '女性'： 'M'}、マーカー= [ '^'、 'O']、線種= [ ' - '、 ' - ']）
＃1 sns.pointplot（X = '性別'、Y = 'は生存'、色相= 'クラス'、データ= titannic、パレット= { '男性'： 'G'、 '女性'： 'M'}、マーカー= [ '^'、 'O']、線種= [ ' - '、' - ']） 
＃多層図の
sns.factorplot（X = '日'、 Y = 'total_bill'、種類= " ポリタイプ図"）
'' ' 

#G = sns.FacetGrid（ヒント、COL ='時間'色相='喫煙「） ＃はFactGridがオブジェクトインスタンス
＃1 plt.histバーを
g.map＃（plt.hist、 'ヒント'） 
＃スキャッタグラムの
＃のg.map（plt.scatter、 'total_bill'、 'ヒント'、アルファ= 7。） 

＃描画順序を指定します。
PANDASインポートカテゴリから
ordered_daysの=のヒント.day.value_counts（）のインデックス
ordered_daysカテゴリ=（[ '木'、 'トライ'、 '土'、 '日']） 
＃（'新しいソートを割り当てる'）
G = sns.FacetGrid（ヒント、行= '日'、row_order = ordered_days、サイズ= 7、アスペクト= 4）位作成FacetGripオブジェクト
（sns.boxplot、 'total_bill'）g.map ＃は、 描画モードとデータ指定

plt.show（）＃は、画像が表示されるように