Python言語ベースのデータ可視化ツール

その他 2019-08-29 07:54:42 訪問数: null

 あなたが表示されるビジュアルオブジェクトのPython言語のmatplotlibのをseabornライブラリや選択を使用することができ、データ分析チャートに使用されます。

、matplotlibの

matplotlibのPythonはmatplotlibのことで、開発者は図面、ヒストグラム、パワースペクトル、バー、エラー、散布などを生成することができ、わずか数行のコードを必要とすることができ、2D描画ライブラリです。

http://matplotlib.org

  • 出版品質のグラフを作成するためのツールライブラリを描きます

  • 目的は、MatlabのインターフェースはPythonを描く式を構築することです

  • import matplotlib.pyplot as plt

  • pyployモジュールは、共通のmatplotlibのAPI関数が含まれています

 

フィギュア

  • matplotlibのフィギュアの画像オブジェクトが配置されています

  • 図を作成します。fig = plt.figure()

サンプルコード：

# 引入matplotlib包
import matplotlib.pyplot as plt
import numpy as np %matplotlib inline #在jupyter notebook 里需要使用这一句命令 # 创建figure对象 fig = plt.figure()

結果：

<matplotlib.figure.Figure at 0x11a2dd7b8>

サブプロット

fig.add_subplot（A、B、C）

  • A、Bは、領域* Bに分割された図を示しています

  • Cは、操作される現在選択されている領域を表します

  • 注：1（0ではない）からの番号

  • サブプロットの最後の位置指定された領域を描画プロット（jupyterのノートブックが正しく表示されません）

サンプルコード：

# 指定切分区域的位置
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2) ax3 = fig.add_subplot(2,2,3) ax4 = fig.add_subplot(2,2,4) # 在subplot上作图 random_arr = np.random.randn(100) #print random_arr # 默认是在最后一次使用subplot的位置上作图，但是在jupyter notebook 里可能显示有误 plt.plot(random_arr) # 可以指定在某个或多个subplot位置上作图 # ax1 = fig.plot(random_arr) # ax2 = fig.plot(random_arr) # ax3 = fig.plot(random_arr) # 显示绘图结果 plt.show()

結果：

 

ヒストグラム：HIST

サンプルコード：

import matplotlib.pyplot as plt
import numpy as np

plt.hist(np.random.randn(100), bins=10, color='b', alpha=0.3) plt.show()

結果：

 

散布：散布

サンプルコード：

import matplotlib.pyplot as plt
import numpy as np

# 绘制散点图 x = np.arange(50) y = x + 5 * np.random.rand(50) plt.scatter(x, y) plt.show()

結果： 

 

ヒストグラム：バー

サンプルコード：

import matplotlib.pyplot as plt
import numpy as np

# 柱状图 x = np.arange(5) y1, y2 = np.random.randint(1, 25, size=(2, 5)) width = 0.25 ax = plt.subplot(1,1,1) ax.bar(x, y1, width, color='r') ax.bar(x+width, y2, width, color='g') ax.set_xticks(x+width) ax.set_xticklabels(['a', 'b', 'c', 'd', 'e']) plt.show()

結果：

 

描画マトリックス：plt.imshow（）

  • 混同マトリックスの三次元との関係

サンプルコード：

import matplotlib.pyplot as plt
import numpy as np

# 矩阵绘图 m = np.random.rand(10,10) print(m) plt.imshow(m, interpolation='nearest', cmap=plt.cm.ocean) plt.colorbar() plt.show()

結果：

[[ 0.92859942  0.84162134  0.37814667  0.46401549  0.93935737 0.0344159 0.56358375 0.75977745 0.87983192 0.22818774] [ 0.88216959 0.43369207 0.1303902 0.98446182 0.59474031 0.04414217 0.86534444 0.34919228 0.53950028 0.89165269] [ 0.52919761 0.87408715 0.097871 0.78348534 0.09354791 0.3186 0.25978432 0.48340623 0.1107699 0.14065592] [ 0.90834516 0.42377475 0.73042695 0.51596826 0.14154431 0.22165693 0.64705882 0.78062873 0.55036304 0.40874584] [ 0.98853697 0.46762114 0.69973423 0.7910757 0.63700306 0.68793919 0.28685306 0.3473426 0.17011744 0.18812329] [ 0.73688943 0.58004874 0.03146167 0.08875797 0.32930191 0.87314734 0.50757536 0.8667078 0.8423364 0.99079049] [ 0.37660356 0.63667774 0.78111565 0.25598593 0.38437628 0.95771051 0.01922366 0.37020219 0.51020305 0.05365718] [ 0.87588452 0.56494761 0.67320078 0.46870376 0.66139913 0.55072149 0.51328222 0.64817353 0.198525 0.18105368] [ 0.86038137 0.55914088 0.55240021 0.15260395 0.4681218 0.28863395 0.6614597 0.69015592 0.46583629 0.15086562] [ 0.01373772 0.30514083 0.69804049 0.5014782 0.56855904 0.14889117 0.87596848 0.29757133 0.76062891 0.03678431]]

 

plt.subplots（）

  • そして、新しく作成された返すfigureと、subplotオブジェクトの配列を

  • 2行2列のサブプロットを生成します：fig, subplot_arr = plt.subplots(2,2)

  • 複数のグラフを作成するためにこれを使用するために適切jupyterでは、推奨される方法

サンプルコード：

import matplotlib.pyplot as plt
import numpy as np

fig, subplot_arr = plt.subplots(2,2) # bins 为显示个数，一般小于等于数值个数 subplot_arr[1,0].hist(np.random.randn(100), bins=10, color='b', alpha=0.3) plt.show()

結果： 

 

色、マーキング、リニア

  • ax.plot（X、Y、 'r--の'）

ax.plotに相当する（ ' - X'、Y、ラインスタイル=色= 'R'）

サンプルコード：

import matplotlib.pyplot as plt
import numpy as np

fig, axes = plt.subplots(2) axes[0].plot(np.random.randint(0, 100, 50), 'ro--') # 等价 axes[1].plot(np.random.randint(0, 100, 50), color='r', linestyle='dashed', marker='o')

結果：

[<matplotlib.lines.Line2D at 0x11a901e80>]

  • 共通の色、マーク、リニア

 

 

 

マーク、ラベル、伝説

  • セットスケール範囲

    plt.xlim（）、plt.ylim（）

    ax.set_xlim（）、ax.set_ylim（）

  • スケール表示を設定します。

    plt.xticks（）、plt.yticks（）

    ax.set_xticks（）、ax.set_yticks（）

  • 設定スケールのラベル

    ax.set_xticklabels（）、ax.set_yticklabels（）

  • 設定し軸ラベル

    ax.set_xlabel（）、ax.set_ylabel（）

  • 設定されたタイトル

    ax.set_title（）

  • 伝説

    ax.plot（ラベル= '伝説'）

    ax.legend（）plt.legend（）

    LOC =「最高」：自動的に最適な配置位置凡例を選択

サンプルコード：

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots(1) ax.plot(np.random.randn(1000).cumsum(), label='line0') # 设置刻度 #plt.xlim([0,500]) ax.set_xlim([0, 800]) # 设置显示的刻度 #plt.xticks([0,500]) ax.set_xticks(range(0,500,100)) # 设置刻度标签 ax.set_yticklabels(['Jan', 'Feb', 'Mar']) # 设置坐标轴标签 ax.set_xlabel('Number') ax.set_ylabel('Month') # 设置标题 ax.set_title('Example') # 图例 ax.plot(np.random.randn(1000).cumsum(), label='line1') ax.plot(np.random.randn(1000).cumsum(), label='line2') ax.legend() ax.legend(loc='best') #plt.legend()

結果： <matplotlib.legend.Legend at 0x11a4061d0> 

 

二、Seaborn

 

http://seaborn.pydata.org/index.html

 

Seabornは実際にほとんどの場合、使用seabornは非常に魅力的なグラフを作ることができるようになります、それは簡単にマッピングすること、より高度なAPIパッケージに基づいて作られたmatplotlibの、あなたはより多くを持っているmatplotlibの使用をすることができます図特性。Seabornのmatplotlibのは補完的ではなく、代替手段として見られるべきです。

 

  • Pythonはマッピングツールのライブラリである、あなたは魅力的で有益なグラフを作成することができます

  • matplotlibの上に構築し、numpyのパンダのデータ構造の可視化をサポートしています。

  • その他の組み込みのテーマやカラーテーマ

  • 単一変数の視覚化、データセット変数の二次元分布を比較するために使用される変数

  • 可視化線形回帰モデルの独立変数が独立変数とではありません

 

import numpy as np
import pandas as pd
# from scipy import stats import matplotlib.pyplot as plt import seaborn as sns # %matplotlib inline

 

データの可視化の分散セット

 

一変量分布sns.distplot（）

 

サンプルコード：

 

# 单变量分布
x1 = np.random.normal(size=1000)
sns.distplot(x1);

x2 = np.random.randint(0, 100, 500) sns.distplot(x2);

 

結果：

 

 

 

ヒストグラムsns.distplot（KDE =偽）

 

サンプルコード：

 

# 直方图
sns.distplot(x1, bins=20, kde=False, rug=True)

 

結果：

 

 

 

カーネル密度推定sns.distplot（HIST =偽）またはsns.kdeplot（）

 

サンプルコード：

 

# 核密度估计
sns.distplot(x2, hist=False, rug=True)

 

結果： 

 

 

二変量分布

 

サンプルコード：

 

# 双变量分布
df_obj1 = pd.DataFrame({"x": np.random.randn(500),
                   "y": np.random.randn(500)}) df_obj2 = pd.DataFrame({"x": np.random.randn(500), "y": np.random.randint(0, 100, 500)})

 

図散乱sns.jointplot（）

 

サンプルコード：

 

# 散布图
sns.jointplot(x="x", y="y", data=df_obj1)

 

結果：

 

 

 

二次元のヒストグラムHexbinのsns.jointplot（種類=「進」）

 

サンプルコード：

 

# 二维直方图
sns.jointplot(x="x", y="y", data=df_obj1, kind="hex");

 

結果：

 

 

 

カーネル密度推定sns.jointplot（種類= 'KDE'）

 

サンプルコード：

 

# 核密度估计
sns.jointplot(x="x", y="y", data=df_obj1, kind="kde");

 

結果：

 

 

 

変数のデータセット間の関係は）（sns.pairplotを可視化

 

サンプルコード：

 

# 数据集中变量间关系可视化
dataset = sns.load_dataset("tips")
#dataset = sns.load_dataset("iris")
sns.pairplot(dataset);

 

結果：

 

 

 

カテゴリーデータの可視化

 

#titanic = sns.load_dataset('titanic')
#planets = sns.load_dataset('planets')
#flights = sns.load_dataset('flights')
#iris = sns.load_dataset('iris')
exercise = sns.load_dataset('exercise')

 

カテゴリー散布図

 

sns.stripplot（）データ点の重複

 

サンプルコード：

 

sns.stripplot(x="diet", y="pulse", data=exercise)

 

結果：

 

 

 

、色相指定サブカテゴリをデータポイントの重複を避けるためにsns.swarmplot（）

 

サンプルコード：

 

sns.swarmplot(x="diet", y="pulse", data=exercise, hue='kind')

 

結果： 

 

 

カテゴリ内のデータ配信

 

図ボックスsns.boxplot（）、色相指定のサブカテゴリ

 

サンプルコード：

 

# 盒子图
sns.boxplot(x="diet", y="pulse", data=exercise)
#sns.boxplot(x="diet", y="pulse", data=exercise, hue='kind')

 

結果：

 

 

 

バイオリン図sns.violinplot（）、色相指定サブカテゴリ

 

サンプルコード：

 

# 小提琴图
#sns.violinplot(x="diet", y="pulse", data=exercise)
sns.violinplot(x="diet", y="pulse", data=exercise, hue='kind')

 

結果：

 

 

 

カテゴリチャート内

 

ヒストグラムsns.barplot（）

 

サンプルコード：

 

# 柱状图
sns.barplot(x="diet", y="pulse", data=exercise, hue='kind')

 

結果：

 

 

 

図ポイントsns.pointplot（）

 

サンプルコード：

 

# 点图
sns.pointplot(x="diet", y="pulse", data=exercise, hue='kind');

 

結果：

 

 

 

 

 

 

おすすめ

転載: www.cnblogs.com/ruanchunyi/p/11426983.html
おすすめ
ランキング
k8s 通过set-context 控制namespace 进行隔离
Offensive and Defense World Web の初心者ゾーンのいくつかの質問に対する解決策
Macはpipのインストールが遅いという問題を恒久的に解決します
Spring-SSM整合详细版本-纯注解
5G率は、実際には5GのBBの致死率の最も弱い兵器システムであります
第3章 バス
MySQLデータベース-SQLステートメント（1）（高レベルのアプリケーション）（詳細なグラフィックとテキスト）
インターフェース設計法（2）—1。インターフェースとコンポーネントの概念
Netty フレームワークを理解する
partedコマンドの詳細説明 - パーティション
アーカイブ
もっと
2024-05-01(4)
2024-04-30(35)
2024-04-29(5)
2024-04-28(12)
2024-04-27(29)
2024-04-26(22)
2024-04-25(31)
2024-04-24(30)
2024-04-23(31)
2024-04-22(5)

コードワールド

© 2018 codetd.com