seaborn常見繪圖學習總結(分類圖)

接著上次的分布圖繼續(xù)總結

一转晰、目錄:

分布圖

  • displot (直方圖)
  • kedplot(概率密度圖)
  • jointplot(聯(lián)合密度圖)
  • pairplot(多變量圖)

分類圖

  • boxplot(箱線圖)
  • violinplot(提琴圖)

回歸圖

  • lmplot (回歸圖)

矩陣圖

  • heatmap (熱力圖)

二违孝、分類圖

2.1淘钟、boxplot(箱線圖)

箱線圖是用來表示跨類別變量之間的定量數據的分布情況缩举●框體表示上下四分位數磨总、線顯示分布的其余部分挟炬,中間線表示的是中位數焰络,在線外的則為離群值(異常數據)戴甩。具體參數為:

seaborn.boxplot(x=None, y=None, hue=None, data=None, order=None, 
hue_order=None, orient=None, color=None, palette=None, saturation=0.75, 
width=0.8, dodge=True, fliersize=5, linewidth=None, whis=1.5, notch=False, ax=None, **kwargs)

  • data:數據集
  • x:數據集中哪一列數據作為x軸的分類變量
  • y:數據變量
  • hue:分類
  • saturation:float,飽和度
  • width:float闪彼,控制箱型圖的寬度
  • fliersize:float甜孤,用于指示離群值觀察標記大小
區(qū)分不同區(qū)的房屋面積
用hue進行分類

2.2协饲、提琴圖

提琴圖與箱線圖類似,都是用來表示不同類別數據之間定量數據的分布情況缴川。但是提琴圖的繪圖基礎是密度圖茉稠,通過提琴圖可以知道定量數據的分布情況。在圖中把夸,白點是中位數而线,黑色盒型的范圍是下四分位數到上四分位數,細黑線表示須恋日。外部形狀為密度分布曲線膀篮。

seaborn.violinplot(x=None, y=None, hue=None, data=None, order=None, 
hue_order=None, bw='scott', cut=2, scale='area', scale_hue=True, gridsize=100, 
width=0.8, inner='box', split=False, dodge=True, orient=None, linewidth=None, 
color=None, palette=None, saturation=0.75, ax=None, **kwargs)

  • data,x,y,hue:含義同上
  • bw:‘scott’, ‘silverman’, float,控制擬合程度岂膳。在計算內核帶寬時誓竿,可以引用規(guī)則的名稱(‘scott’, ‘silverman’)或者使用比例(float)。實際內核大小將通過將比例乘以每個bin內數據的標準差來確定
  • scale:“area”谈截,“count”筷屡,“width”,用來縮放每個提琴圖的寬度的方法簸喂。
    *scale_hue:當使用hue分類后毙死,設置為True時,此參數確定是否在主分組變量進行縮放
  • gridsize:設置提琴圖平滑度喻鳄,越高越平滑
  • inner:“box”, “quartile”, “point”, “stick”, None,小提琴內部數據點的表示扼倘。分別表示:箱子,四分位诽表,點唉锌,數據線和不表示;
  • split:是否拆分竿奏,與hue的分類結合使用
默認情況
根據hue分類進行split袄简,并根據count計數來畫概率分布
?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市泛啸,隨后出現(xiàn)的幾起案子绿语,更是在濱河造成了極大的恐慌,老刑警劉巖候址,帶你破解...
    沈念sama閱讀 221,406評論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件吕粹,死亡現(xiàn)場離奇詭異,居然都是意外死亡岗仑,警方通過查閱死者的電腦和手機匹耕,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,395評論 3 398
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來荠雕,“玉大人稳其,你說我怎么就攤上這事驶赏。” “怎么了既鞠?”我有些...
    開封第一講書人閱讀 167,815評論 0 360
  • 文/不壞的土叔 我叫張陵煤傍,是天一觀的道長。 經常有香客問我嘱蛋,道長蚯姆,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 59,537評論 1 296
  • 正文 為了忘掉前任洒敏,我火速辦了婚禮龄恋,結果婚禮上,老公的妹妹穿的比我還像新娘凶伙。我一直安慰自己篙挽,他們只是感情好,可當我...
    茶點故事閱讀 68,536評論 6 397
  • 文/花漫 我一把揭開白布镊靴。 她就那樣靜靜地躺著,像睡著了一般链韭。 火紅的嫁衣襯著肌膚如雪偏竟。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,184評論 1 308
  • 那天敞峭,我揣著相機與錄音踊谋,去河邊找鬼。 笑死旋讹,一個胖子當著我的面吹牛殖蚕,可吹牛的內容都是我干的。 我是一名探鬼主播沉迹,決...
    沈念sama閱讀 40,776評論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼睦疫,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了鞭呕?” 一聲冷哼從身側響起蛤育,我...
    開封第一講書人閱讀 39,668評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎葫松,沒想到半個月后瓦糕,有當地人在樹林里發(fā)現(xiàn)了一具尸體,經...
    沈念sama閱讀 46,212評論 1 319
  • 正文 獨居荒郊野嶺守林人離奇死亡腋么,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 38,299評論 3 340
  • 正文 我和宋清朗相戀三年咕娄,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片珊擂。...
    茶點故事閱讀 40,438評論 1 352
  • 序言:一個原本活蹦亂跳的男人離奇死亡圣勒,死狀恐怖费变,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情灾而,我是刑警寧澤胡控,帶...
    沈念sama閱讀 36,128評論 5 349
  • 正文 年R本政府宣布,位于F島的核電站旁趟,受9級特大地震影響昼激,放射性物質發(fā)生泄漏。R本人自食惡果不足惜锡搜,卻給世界環(huán)境...
    茶點故事閱讀 41,807評論 3 333
  • 文/蒙蒙 一橙困、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧耕餐,春花似錦凡傅、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,279評論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至明未,卻和暖如春槽华,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背趟妥。 一陣腳步聲響...
    開封第一講書人閱讀 33,395評論 1 272
  • 我被黑心中介騙來泰國打工猫态, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人披摄。 一個月前我還...
    沈念sama閱讀 48,827評論 3 376
  • 正文 我出身青樓亲雪,卻偏偏與公主長得像,于是被迫代替她去往敵國和親疚膊。 傳聞我的和親對象是個殘疾皇子义辕,可洞房花燭夜當晚...
    茶點故事閱讀 45,446評論 2 359