526互联

【小睿的ML之路】Seaborn-分类属性画图

发布时间 2023-09-22 00:04:32作者: 郭小睿
%matplotlib inline 

import seaborn as sns # 导入 seaborn 库，用于绘制统计图形。
import numpy as np # 导入 numpy 库，用于处理数值计算。
import pandas as pd # 导入 pandas 库，用于处理数据。
import matplotlib as mpl # 导入 matplotlib 库，用于绘图。
import matplotlib.pyplot as plt # 导入 matplotlib 库中的 pyplot 模块，用于绘图。

sns.set(color_codes=True,style="whitegrid") # 设置 seaborn 的颜色风格，color_codes=True 表示使用颜色代码。

np.random.seed(sum(map(ord,"categorical")))

titanic = sns.load_dataset("titanic")

tips = sns.load_dataset("tips")

print(tips.head())

iris = sns.load_dataset("iris")


   total_bill   tip     sex smoker  day    time  size
0       16.99  1.01  Female     No  Sun  Dinner     2
1       10.34  1.66    Male     No  Sun  Dinner     3
2       21.01  3.50    Male     No  Sun  Dinner     3
3       23.68  3.31    Male     No  Sun  Dinner     2
4       24.59  3.61  Female     No  Sun  Dinner     4

这段代码使用 Seaborn 库绘制了以 "day" 为x轴，"total_bill" 为y轴的小提琴图（violin plot）和散点图（swarm plot）的组合。

具体解释如下：

  • sns.violinplot(x='day', y='total_bill', data=tips, inner=None)：调用 Seaborn 库的 violinplot 函数绘制小提琴图。参数 x 指定 x 轴数据，这里是 "day"，参数 y 指定 y 轴数据，这里是 "total_bill"，参数 data 是所使用的数据集，这里是 "tips" 数据集。inner=None 表示不在小提琴内部显示盒图。

  • sns.swarmplot(x='day', y='total_bill', data=tips, color='w', alpha=.5)：调用 Seaborn 库的 swarmplot 函数绘制散点图。参数 x 指定 x 轴数据，这里是 "day"，参数 y 指定 y 轴数据，这里是 "total_bill"，参数 data 是所使用的数据集，这里是 "tips" 数据集。color='w' 表示设置散点图的颜色为白色，alpha=.5 表示设置散点图的透明度为0.5。

这段代码绘制了根据 "day" 分组的 "total_bill" 数据的小提琴图，并在每个小提琴旁边以散点图形式展示了数据分布情况。

sns.violinplot(x='day',y='total_bill',data=tips,inner=None)
sns.swarmplot(x='day',y='total_bill',data=tips,color='w',alpha=.5)

<Axes: xlabel='day', ylabel='total_bill'>


sns.violinplot(x='day',y='total_bill',data=tips)
sns.swarmplot(x='day',y='total_bill',data=tips,color='w',alpha=.5)

<Axes: xlabel='day', ylabel='total_bill'>

显示值的集中趋势可以用条形图

sns.barplot(x='sex',y='survived',hue="class",data=titanic)

<Axes: xlabel='sex', ylabel='survived'>

点图可以更好的描述变化差异

sns.pointplot(x='sex',y='survived',hue="class",data=titanic)

<Axes: xlabel='sex', ylabel='survived'>


sns.pointplot(x='class',y='survived',hue="sex",data=titanic,
              palette={"male":"g","female":"r"}, 
             markers=["^","o"],linestyles=["-",'--'])

<Axes: xlabel='class', ylabel='survived'>

这段代码使用 Seaborn 库的 pointplot 函数绘制了根据 "class" 分组的 "survived" 数据的点图，并根据性别 "sex" 进行着色区分，同时定义了不同性别的标记和线型样式。

具体解释如下：

  • sns.pointplot(x='class', y='survived', hue="sex", data=titanic, palette={"male": "g", "female": "r"}, markers=["^", "o"], linestyles=["-", "--"])：调用 Seaborn 库的 pointplot 函数绘制点图。
    • 参数 x 指定 x 轴数据，这里是 "class"（船舱等级）。
    • 参数 y 指定 y 轴数据，这里是 "survived"（生存情况）。
    • 参数 hue 指定着色的依据，这里是 "sex"（性别）。
    • 参数 data 是所使用的数据集，这里是 "titanic" 数据集。
    • 参数 palette 设置不同性别的颜色，"male" 对应绿色，"female" 对应红色。
    • 参数 markers 设置不同性别的标记样式，"^" 表示男性用三角形标记，"o" 表示女性用圆圈标记。
    • 参数 linestyles 设置不同性别的线型样式，"-" 表示男性实线，"--" 表示女性虚线。

这段代码绘制了根据船舱等级 "class" 分组的生存情况 "survived" 数据的点图，并根据性别 "sex" 进行了着色、标记和线型样式区分。

宽形数据

sns.boxplot(data=iris,orient='h')

<Axes: >

这段代码使用 Seaborn 库的 boxplot 函数绘制了横向箱线图（Horizontal Box Plot）。

具体解释如下：

  • sns.boxplot(data=iris, orient='h')：调用 Seaborn 库的 boxplot 函数绘制箱线图。
    • 参数 data 是所使用的数据集，这里是 "iris" 数据集。
    • 参数 orient='h' 表示绘制横向箱线图。

这段代码绘制了 "iris" 数据集中各个数值特征的横向箱线图，用于展示数据的分布情况、异常值等统计信息。

多层面板分类图

sns.catplot(x='day', y='total_bill', hue='smoker', data=tips, kind='point')

<seaborn.axisgrid.FacetGrid at 0x19dca552050>


sns.catplot(x='day', y='total_bill', hue='smoker', data=tips, kind='bar')

<seaborn.axisgrid.FacetGrid at 0x19dc9323340>


sns.catplot(x='day', y='total_bill', hue='smoker', data=tips, kind='swarm',col='time')

<seaborn.axisgrid.FacetGrid at 0x19dcb1d7e50>


sns.catplot(x='day', y='total_bill', hue='smoker', data=tips, kind='swarm')

<seaborn.axisgrid.FacetGrid at 0x19dca7d7a60>


sns.catplot(x='time', y='total_bill', hue='smoker', data=tips, kind='box',col='day',aspect=1,height=5)

<seaborn.axisgrid.FacetGrid at 0x19d8a8fd2a0>