Python数据科学速查表- Seaborn 

Python 数据科学 速 查表Seaborn用 Seaborn 绘制统计型数据可视图 3Seaborn 是基于 matplotlib 开发的高阶Python 数据可视图库，用于绘制优雅、美观的统计图形。使用下列别名导入该库：绘制条件关系的子图栅格>>> g = sns.FacetGrid(titanic,col=\, row=\)>>> g = g.map(plt.hist,\)>>> sns.factorplot(x=\,在分面栅格上绘制分类图y=\, hue=\,data=titanic) 绘制适配分面栅格的数据与回归模型>>> sns.lmplot(x=\,y=\, hue=\, data=iris)坐标轴栅格使用 Seaborn 绘图>>> h = sns.PairGrid(iris)绘制配对关系的子图栅格>>> h = h.map(plt.scatter)绘制配对的双变量分布>>> sns.pairplot(iris)绘制双变量图的边际单变量图栅格>>> i = sns.JointGrid(x=\,y=\,data=data)>>> i = i.plot(sns.regplot,sns.distplot)>>> sns.jointplot(\, 绘制双变量分布\,data=iris,kind='kde')>>> sns.regplot(x=\, 绘制与线性回归模型拟合的数据y=\, data=iris,ax=ax)>>> plot = sns.distplot(data.y, 绘制单变量分布kde=False,color=\)>>> sns.heatmap(uniform_data,vmin=0,vmax=1) 热力图>>> import matplotlib.pyplot as plt>>> import seaborn as sns使用 Seaborn 创建图形的基本步骤：1.准备数据2.设定画布外观3.使用 Seaborn 绘图4.自定义图形>>> sns.stripplot(x=\,y=\,data=iris) >>> sns.swarmplot(x=\,y=\,data=iris)>>> sns.barplot(x=\,y=\,hue=\,data=titanic)>>> sns.countplot(x=\,data=titanic,palette=\)>>> sns.pointplot(x=\,y=\,hue=\, data=titanic, palette={\:\,\:\},markers=[\,\],linestyles=[\,\])>>> sns.boxplot(x=\,y=\,hue=\,data=titanic)>>> sns.boxplot(data=iris,orient=\)>>> sns.violinplot(x=\,y=\,hue=\,data=titanic)散点图各类图形回归图含分类变量的散点图不重叠分类散点图用散点图示符显示点估计值和置信区间显示观测数量用柱状图显示点估计和置信区间条形图计数图点图分布图矩阵图>>> import matplotlib.pyplot as plt>>> import seaborn as sns第1步>>> tips = sns.load_dataset(\)>>> sns.set_style(\)第2步第3步>>> g = sns.lmplot(x=\, y=\, data=tips, aspect=2)>>> g = (g.set_axis_labels(\,\). set(xlim=(0,10),ylim(0,100))) 第4步>>> plt.title(\)>>> plt.show(g) 第5步 4 1数据参阅列表、Numpy 及 Pandas 箱型图箱形图使用宽表数据的箱型图小提琴图>>> g.despine(left=True) 移除左框>>> g.set_ylabels(\) 设置Y轴的标签>>> g.set_xticklabels(rotation=45) 设置X轴刻度标签>>> g.set_axis_labels(\, 设置坐标轴标签\)设置X与Y轴的限制和刻度>>> h.set(xlim=(0,5),ylim=(0,5), xticks=[0,2.5,5], yticks=[0,2.5,5])>>> plt.title(\) 添加图形标题>>> plt.ylabel(\) 调整y轴标签>>> plt.xlabel(\) 调整x轴标签>>> plt.ylim(0,100)调整y轴限制>>> plt.xlim(0,10)调整x轴限制>>> plt.setp(ax,yticks=[0,5]) 调整图形属性>>> plt.tight_layout()调整子图参数Axisgrid 对象深度自定义参阅 MatplotlibSeaborn 提供了内置数据集：>>> import pandas as pd>>> import numpy as np>>> uniform_data = np.random.rand(10, 12)>>> data = pd.DataFrame({'x':np.arange(1,101),'y':np.random.normal(0,4,100)})图形 小提琴图>>> titanic = sns.load_dataset(\)>>> iris = sns.load_dataset(\)2 画布外观>>> f, ax = plt.subplots(figsize=(5,6)) 创建画布与子图>>> sns.set() 设置或重置 Seaborn 默认值>>> sns.set_style(\)>>> sns.set_style(\, 设置 matplotlib 参数{\:8, \:8})Seaborn 样式>>> sns.set_context(\) 将上下文设置为 \>>> sns.set_context(\,将上下文设置为 font_scale=1.5,\, 缩放字体，覆rc={\:2.5})盖参数映射上下文函数参阅 Matplotlib 显示或保存图形5关闭与清除>>> plt.show() 显示图形>>> plt.savefig(\)将画布保存为图形>>> plt.savefig(\,保存透明画布transparent=True) 清除坐标轴清除画布关闭窗口参阅 Matplotlib>>> sns.set_palette(\,3) 定义调色板使用 with 临时设置调色板>>> sns.color_palette(\)>>> flatui = [\,\,\,\,\,\]>>> sns.axes_style(\) 返回参数字典或用with设置临时样式>>> sns.set_palette(flatui)设置调色板调色板>>> plt.cla()>>> plt.clf()>>> plt.close()参阅 Matplotlib原文作者Learn Python for Data Science InteractivelyDataCamp