@程序员,如何轻松实现数据可视化?

Posted CSDN

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了@程序员,如何轻松实现数据可视化?相关的知识,希望对你有一定的参考价值。


@程序员,如何轻松实现数据可视化?

译者 | Lemon

责编 | 郭芮

本文属于 Seaborn 的基础教程,介绍了直方图、联合分布图、矩阵图、箱形图等。通过本文可以看出,使用 seaborn 可以轻松的进行数据可视化。

Seaborn 是一个数据可视化库,可帮助在Python中创建有趣的数据可视化。 大多数数据分析需要识别趋势和建立模型,本文将帮助你开始使用 Seaborn库创建数据可视化。

首先,你应该在 jupyter notebook 中键入以下命令。

 
   
   
 
  1. import pandas as pd # Pandas

  2. import numpy as np # Numpy

  3. import matplotlib.pyplot as plt # Matplotlibrary

  4. import seaborn as sns # Seaborn Library

  5. %matplotlib inline

  6. sns.set()



@程序员,如何轻松实现数据可视化?

直方图 (Distplot)


sns.distplot()结合直方图并绘制核密度估计图。 这里 bin 区间大小是自动计算的。

sns.distplot(data[“variablename”]) 

我们将使用以下代码在 jupyter notebook 中加载数据集:

 
   
   
 
  1. # Load the Dataset in Python

  2. tips = sns.load_dataset("tips")

  3. tips.head()

@程序员,如何轻松实现数据可视化?

现在,由于我们已经加载了数据集,我们将使用 “total_bill” 变量创建第一个图。让我们从 tips数据集创建 “total_bill” 变量的 distplot。

 
   
   
 
  1. sns.distplot(tips["total_bill"], bins=16, color="purple")

  2. # Binsize is calculated using square-root of row count.


@程序员,如何轻松实现数据可视化?

图1

现在,我们来对上述代码进行进一步描述:

  • sns.distplot — 这个命令将启动 distplot 的初始创建;

  • tips[“total_bill”] — 从 tips 数据集(数据框)中取出列(total_bill)。在这里,我们应该观察一下,可以使用方括号来拉取列值,并且列名应该用引号括起来(双引号/单引号)都被接受。

我们推测—— “total_bill”变量本质上是倾斜的,大多数帐单值都在 $10 - $20 范围内。


@程序员,如何轻松实现数据可视化?

联合分布图 (Jointplot)


联合分布图 (Jointplot)采用两个变量并一起创建直方图和散点图。让我们看一下 jointplot 的语法。

sns.jointplot(x = , y =, data=)

让我们从 tips数据集创建 total_bill 和 tip变量的联合分布图。通常,任何餐厅的小费金额取决于总账单/账单大小。代码如下:

 
   
   
 
  1. sns.jointplot(x = "total_bill", y = "tip", data = tips, color="purple")


@程序员,如何轻松实现数据可视化?

图2

如上所述,散点图似乎显示总账单和小费金额之间的强相关性。在它的顶部,我们可以看到各个变量的直方图。

2.1 Jointplot :: kind =”hex”

直方图的双变量类比称为“hexbin”图,因为它显示了六边形区间内的观察计数。此图对于相对较大的数据集最有效,也称为Hexbin Plots。

sns.jointplot(x = , y =, data=, kind=”hex”)

 
   
   
 
  1. # Jointplot - Scatterplot and Histogram

  2. sns.jointplot(x = "total_bill", y = "tip", data = tips, kind ="hex",

  3. color="lightcoral")ips, kind ="hex",color="lightcoral")

@程序员,如何轻松实现数据可视化?

图3

有几种类型的值可以放在 sns.jointplot 中来创建不同的图。 默认情况下,联合分布图显示散点图。 现在,在上面的情节图中,它显示了六边形。六边形的深色表示数据点的高密度,其中较浅的颜色表示较少的点。

kind 参数值可以是以下取值:

kind : { "scatter" | "reg" | "resid" | "kde" | "hex" }

下面,我们来看看 kind="kde" 的情形。

2.2 Jointplot :: kind =”kde”

 
   
   
 
  1. # Jointplot - Scatterplot and Histogram

  2. sns.jointplot(x = tips["total_bill"], y = tips["tip"],kind = "kde",

  3. color="purple") # contour plot


@程序员,如何轻松实现数据可视化?

图4

上面显示的图表称为轮廓图。 轮廓图(有时称为“水平图”)是一种在二维平面上显示三维表面的方法。 它绘制了y轴上的两个预测变量X Y和轮廓的响应变量Z。


@程序员,如何轻松实现数据可视化?

矩阵图 (Pairplot)


矩阵图基本上绘制了变量之间的成对关系。 它支持用 “hue” 来为类别变量绘图着色。

sns.pairplot(“dataframe”)

 
   
   
 
  1. # Pairplot of Tips

  2. sns.pairplot(tips, hue = "sex", palette="Set2")

  3. # this  will color the plot gender wise


@程序员,如何轻松实现数据可视化?

图5

下面我们来了解下矩阵图的含义。对角线部分显示了具有核密度估计的 distplot图或直方图,矩阵图的上部和下部显示散点图。 “hue”使用列的类别为绘图着色。

  • hue = “sex” — 设置为按不同的性别进行着色;

  • palette = “Set2” - “Set2” 是颜色的一个系列。


@程序员,如何轻松实现数据可视化?

条形图 (Barplot)


条形图用于绘制分类列和数字列。 它在可视化中创建了条形。 让我们用“性别”创建一个“total_bill”的条形图,让我们看看哪类人支付更多。

sns.barplot(x = , y =, data=)

 
   
   
 
  1. # Barplot

  2. sns.barplot(x ="sex" , y ="total_bill" , data=tips)

  3. # Inference - Total Bill Amount for males is more than Females.


@程序员,如何轻松实现数据可视化?

图6


 
   
   
 
  1. # Lets Plot Smoker Vs Total Bill :: The purpose is to find out if

  2. # Smokers pay more bill than Non Smokers

  3. sns.barplot(x = "smoker", y = "total_bill", data =tips)

  4. # Inference - More Bill for Smokers


@程序员,如何轻松实现数据可视化?

图7


 
   
   
 
  1. # Lets Find If There is more Bill In Weekend or Weekdays

  2. sns.barplot(x = "day", y = "total_bill", data =tips)

  3. # People tend to visit more on weekends


@程序员,如何轻松实现数据可视化?

图8



@程序员,如何轻松实现数据可视化?

箱形图 (Boxplot)


箱形图 (Boxplot)是给定数据集的五点汇总统计的直观表示,五个数字摘要包括:

  • Minimum 最小值;

  • First Quartile 1/4 值;

  • Median (Second Quartile) 中位数;

  • Third Quartile 3/4 值;

  • Maximum 最大值。

此外,值得注意的一点是,为分类 - 连续变量创建了一个箱线图,这意味着如果x轴是分类的并且y轴是连续的,则应创建箱线图或小提琴图。

让我们从 tips数据集创建一个 “day” 和 “total_bill” 的箱线图。

sns.boxplot(x = , y =, data=)

 
   
   
 
  1. # Boxplot

  2. sns.boxplot(x = "day", y = "total_bill", data=tips)


@程序员,如何轻松实现数据可视化?

图9


 
   
   
 
  1. # Add hue to split the barplot. Making it more fancier

  2. sns.boxplot(x = "day", y = "total_bill", data=tips, hue = "smoker")

  3. # On Friday people have more bill if they are a Non smoker vs smoker


@程序员,如何轻松实现数据可视化?

图10

hue =“smoker”: - 它为吸烟者和非吸烟者创造了一个箱线图。 例如: 在星期五的情况下,可以清楚地看到,与当天的吸烟者相比,非吸烟者的食物费用更多。

 
   
   
 
  1. # Violin Plots

  2. sns.violinplot(x = "day", y = "total_bill", data = tips)


@程序员,如何轻松实现数据可视化?

图11

小提琴图跟箱形图有些类似。他们之间的描述可以参考下面的图示内容:

@程序员,如何轻松实现数据可视化?



@程序员,如何轻松实现数据可视化?

LM Plot


sns.lmplot 是绘制一个在散点图中进行线性回归拟合的直线。 它遵循普通的最小二乘法,线代表最佳拟合线。为了更好地理解这一点,建议进一步了解一下线性回归的相关知识。

代码如下:

 
   
   
 
  1. # LM PLot

  2. sns.lmplot(x = "total_bill", y = "tip", data = tips, hue="day")


@程序员,如何轻松实现数据可视化?

图12

上图显示了不同日期的total_bill变量的线性回归拟合,如图例中所示,这是在 sns.lmplot 中使用 hue =“day” 获得的。

恭喜! 你已完成 Seaborn 初学者教程。希望这篇文章能够提供有关 Seaborn 的基本知识,并且可以帮助你创建所有这些图。

声明:本文为作者投稿,版权归其个人所有。


 热 文 推 荐 





System.out.println("点个在看吧!");
console.log("点个在看吧!");
print("点个在看吧!");
printf("点个在看吧!\n");
cout << "点个在看吧!" << endl;
Console.WriteLine("点个在看吧!");
Response.Write("点个在看吧!");
alert("点个在看吧!")
echo "点个在看吧!"

你点的每个“在看”,我都认真当成了喜欢

以上是关于@程序员,如何轻松实现数据可视化?的主要内容,如果未能解决你的问题,请参考以下文章

如何设计一个漂亮的仪表盘—Jeecg仪表盘轻松实现数据可视化专题

这5小段代码轻松实现数据可视化(Python+Matplotlib)

有这5小段代码在手,轻松实现数据可视化(Python+Matplotlib)

如何决策快人一步? 用一块大屏轻松实现数据可视化

不写代码轻松实现数据可视化,这款基于SpringBoot的神器,简直绝了

无需代码,极简5步大屏可视化教程,3分钟就能轻松做出酷炫报表