统计关系的数据可视化

Posted 2021-04-28 老坛学Python

今日主题：seaborn库中可视化数据关系的实践操作，请relplot()上台表演。

 数据可视化的意义

每一天我们都会获得到各种各样的数据，为了问题的解决，我们需要适当的做一些数据的分析，其中最直观的方式就是绘图，通过将数据转变为图表，我们能发现一些趋势，找到数据之间相互关系，从而制定合理的方案进行问题的解决。下面我们依次耍耍scatterplot()、lineplot()和relplot()这三个函数。

  库导入与数据准备

玩耍中使用的是iris数据集，这个数据集一共有5个变量，分别是sepal_length(花萼长度)、sepal_width(花萼宽度)、petal_length(花瓣长度)、petal_width(花瓣宽度)、species(花种类)。

import seaborn as snsimport matplotlib.pyplot as pltimport pandas as pd
iris = pd.read_csv('iris.csv', encoding='utf8')

前面两步就用复制粘贴带过了。

下面直接进入正题。

 relplot()

这个函数的初始化需要传入这些参数：

seaborn.relplot(x=None, y=None, hue=None, size=None, style=None,                 data=None, row=None, col=None, col_wrap=None, row_order=None,                 col_order=None, palette=None, hue_order=None, hue_norm=None,                 sizes=None, size_order=None, size_norm=None, markers=None,                 dashes=None, style_order=None, legend='brief', kind='scatter',                 height=5, aspect=1, facet_kws=None, **kwargs)

这个函数包含了scatterplot和line plot的功能，并且还能实现FacerGrid的一些功能。通过控制kind参数值决定是点图(scatter)还是线图(line)，如果定义col或者row参数，那么做出来的图就像FacetGrid那样了。

突然发现我在炒冷饭了，

哈哈，还是把它写完吧。

g = sns.relplot(x='sepal_width', y='petal_width', hue='species', data=iris, kind='scatter', palette='Set1', size='species', sizes=(50, 150), style='species', markers=['s', 'd', '^'], height=4, aspect=1.5, edgecolor='black')plt.show()

下面是放在多个格子里绘图的样式，有一点不太灵活，color（颜色）都是统一的，我想设置成三种不同的颜色，靠relplot不能单独完成。

g = sns.relplot(x='sepal_width', y='petal_width', col='species', data=iris, kind='scatter', size='species', sizes=(50, 150), style='species', markers=['s', 'd', '^'], height=4, aspect=1, edgecolor='black')plt.show()

如果画成线图，效果是这样。

g = sns.relplot(x='sepal_width', y='petal_width', hue='species', data=iris, kind='line', palette='Set1', size='species', sizes=(1, 4), style='species', markers=['s', 'd', '^'], height=4, aspect=1.5, estimator=None)plt.show()

参数设置的含义之前的文章讲过了，这儿就不再写了。

— E N D —

长

按

关

注

“像海绵吸水一样学习知识”

ID : 老坛学Python

 记录·分享·成长

点“在看”给我一朵小黄花