Seaborn常用的10種數據分析圖表

2021-02-21 Python數據科學

點擊上方「Python數據科學」，星標公眾號

重磅乾貨，第一時間送達

☞500g+超全學習資源免費領取

內置示例數據集seaborn內置了十幾個示例數據集，通過load_dataset函數可以調用。
# 查看數據集種類
import seaborn as sns
sns.get_dataset_names()
import seaborn as sns
# 導出鳶尾花數據集
data = sns.load_dataset('iris')
data.head()
1、散點圖
import seaborn as sns
sns.set()
import matplotlib.pyplot as plt
%matplotlib inline
# 小費數據集
tips = sns.load_dataset('tips')
ax = sns.scatterplot(x='total_bill',y='tip',data=tips)
plt.show()
2、條形圖
import seaborn as sns
sns.set()
import matplotlib.pyplot as plt
%matplotlib inline
# 小費數據集
tips = sns.load_dataset("tips")
ax = sns.barplot(x="day", y="total_bill", data=tips)
plt.show()
3、線型圖
import seaborn as sns
sns.set()
import matplotlib.pyplot as plt
%matplotlib inline
fmri = sns.load_dataset("fmri")
ax = sns.lineplot(x="timepoint", y="signal", data=fmri)
plt.show()
4、箱線圖
import seaborn as sns
sns.set()
import matplotlib.pyplot as plt
%matplotlib inline
tips = sns.load_dataset("tips")
ax = sns.boxplot(x="day", y="total_bill", data=tips)
plt.show()
5、直方圖
import seaborn as sns
import numpy as np
sns.set()
import matplotlib.pyplot as plt
%matplotlib inline
np.random.seed(0)
x = np.random.randn(1000)
ax = sns.distplot(x)
plt.show()
6、熱力圖
import numpy as np
np.random.seed(0)
import seaborn as sns 
sns.set()
import matplotlib.pyplot as plt
%matplotlib inline
uniform_data = np.random.rand(10, 12)
ax = sns.heatmap(uniform_data)
plt.show()
7、散點圖矩陣
import seaborn as sns
sns.set()
import matplotlib.pyplot as plt
%matplotlib inline
iris = sns.load_dataset("iris")
ax = sns.pairplot(iris)
plt.show()
8、分類散點圖
import seaborn as sns
sns.set()
import matplotlib.pyplot as plt
%matplotlib inline
exercise = sns.load_dataset("exercise")
ax = sns.catplot(x="time", y="pulse", hue="kind", data=exercise)\
plt.show()
9、計數條形圖
import seaborn as sns
sns.set()
import matplotlib.pyplot as plt
%matplotlib inline
titanic = sns.load_dataset("titanic")
ax = sns.countplot(x="class", data=titanic)
plt.show()
10、回歸圖
import seaborn as sns
sns.set()
import matplotlib.pyplot as plt
%matplotlib inline
tips = sns.load_dataset("tips")
ax = sns.lmplot(x="total_bill", y="tip", data=tips)

plt.show()
1、掃描下方二維碼，添加 Python數據科學 作者微信3、一定要備註：入群 + 地點 + 學校/公司。例如：入群+北京+清華。 

相關焦點

  • 【可視化】seaborn常用的10種數據分析圖表
    內置示例數據集 seaborn內置了十幾個示例數據集，通過load_dataset函數可以調用。其中包括常見的泰坦尼克、鳶尾花等經典數據集。# 查看數據集種類import seaborn as snssns.get_dataset_names()import seaborn as sns# 導出鳶尾花數據集data = sns.load_dataset('iris')
  • 數據分析入門系列教程-常用圖表
    點擊上方「菜鳥學Python」，選擇「星標」公眾號重磅乾貨，第一時間送達今天我們來學習下數據可視化，其實在前面的章節中，我們也接觸到了一些數據可視化的知識，在分析數據集的時候，有效的可視化圖表，可以幫助我們更好的了解數據。
  • python數據科學系列:seaborn入門詳細教程
    數據分析三劍客進行了逐一詳細入門介紹，今天推出系列第4篇教程：seaborn。相比matplotlib而言，個人認為seaborn的幾個鮮明特點如下：繪圖接口更為集成，可通過少量參數設置實現大量封裝繪圖多數圖表具有統計學含義，例如分布、關係、統計、回歸等正是由於seaborn的這些特點，在進行EDA（Exploratory Data Analysis， 探索性數據分析）過程中，seaborn往往更為高效。
  • 用數據可視化工具Seaborn繪製圖表
    Seaborn可以很好地處理數據幀，而Matplotlib則不行，它可以讓你以更簡單的方式繪製引人注目的圖表。為了更好地理解本文，你需要了解pandas和matplotlib的基礎知識。如果沒有，可以參考以下文章：用Pandas進行數據分析：https://towardsdatascience.com/pandas-for-data-analysis-142be71f63dc使用Matplotlib進行可視化：https://towardsdatascience.com/visualizations-with-matplotlib-4809394ea223
  • seaborn更高效的統計圖表製作工具
    seaborn是建立在matplotlib上的一個高度封裝的模塊，針對數據的統計學描述，統計了一系列相關的可視化功能。
  • Python-seaborn 基礎圖表繪製-柱形圖(數據分享)
    本期推文主要涉及的知識點如下：Matplotlib inset_locator.inset_axes()自由添加圖片元素Python-seaborn繪製統計直方圖在使用基礎的matplotlib雖然也能繪製出直方統計圖，但面對多類別數據則顯得較為蠻煩，基本系列課程的目的是為了大家系統掌握各種圖表的繪製方法
  • 用Seaborn繪製圖表
    Seaborn是一個功能強大的Python庫，用於增強數據可視化。它為Matplotlib提供了大量高級接口。Seaborn可以很好地處理數據幀，而Matplotlib則不行，它可以讓你以更簡單的方式繪製引人注目的圖表。
  • seaborn關聯圖表之折線圖和散點圖
    折線圖和散點圖是最常用的展示兩個變量間關係的圖表，在seaborn中，通過以下兩個函數來繪製對應的圖形1. satterplot, 繪製散點圖
  • Python數據可視化—Seaborn
    因為它修復了上述兩個庫的一些缺點，比如Seaborn提供了大量的高級接口和自定義主題，而matplotlib沒有這些接口使得很難確定哪些設置來自定義圖表。另外，matplotlib等裡面的庫函數不能很好地處理數據流，而Seaborn可以勝任。
  • 十分鐘掌握Seaborn,進階Python數據可視化分析
    即便是沒有什麼基礎的人，也能通過極簡的代碼，做出具有分析價值而又十分美觀的圖形。Seaborn 可以實現 Python 環境下的絕大部分探索性分析的任務，圖形化的表達幫助你對數據進行分析，而且對 Python 的其他庫（比如 Numpy/Pandas/Scipy）有很好的支持。
  • Python-seaborn 基礎圖表繪製-散點圖
    上期推文推出第一篇基礎圖表繪製-R-ggplot2 基礎圖表繪製-散點圖 的繪製推文，得到了很多小夥伴的喜歡，也是我更加想使這個系列做的更加完善和系統，我之前也有說過，會推出Python和R的兩個版本繪製教程，接下來我們就推出基礎散點圖的Python繪製版本。
  • Python Seaborn綜合指南,成為數據可視化專家
    當我們使用seaborn生成圖時，我將以實際的方式全面地回答這個問題。現在，讓我們快速討論一下seaborn為什麼在matplotlib之上。Seaborn使我們的圖表和繪圖看起來很吸引人，並支持一些常見的數據可視化需求(比如將顏色映射到變量或使用分面(faceting))。
  • Python-seaborn 經濟學人經典圖表仿製
    上篇原創推文使用了R-ggplot2 實現了經濟學人經典的圖表仿製實現R-ggplot2 經典經濟學人圖表仿製，所以這期呢，我們就使用Python-seaborn實現這個經典的經濟學人圖表再現。主要涉及的知識點如下：Python-seaborn regplot回歸線性擬合圖繪製Python-seaborn 繪製擬合線圖首先，我們預覽下數據(部分)：
  • 數據挖掘從入門到放棄(五)seaborn 的數據可視化
    「 數據可視化可以讓我們很直觀的發現數據中隱藏的規律，察覺到變量之間的互動關係，幫助我們更好地解釋現象和發現數據價值，做到一圖勝千文的說明效果。http://seaborn.pydata.org/index.html」python數據分析的可視化庫有:matplotlib 是可視化的必備技能庫，比較底層，api很多，學起來不太容易。seaborn 是建構於matplotlib基礎上，能滿足絕大多數可視化需求。
  • 4 種可視化常用的數據分析圖表!
    來源：大數據觀察可視化圖表這次整理了一些平常不太使用，但在合適的場景的使用它們，往往能為你的分析報告加分不少的圖表
  • 百川歸海,四類圖統攬統計圖:Seaborn|可視化系列03
    別期待著只用seaborn繪製出各種常用圖表，它更專注於展示統計數據裡的信息，因此，我們換個角度，從數據本身的分布和數據列之間的關係來看可視化。seaborn[1]沒有直接枚舉各種圖的接口，而是抽象為了四種relplot、regplot、catplot及distplot，分別對應：數據關聯、回歸、分類變量和數據分布。
  • Seaborn庫常用圖形
    seaborn庫其實是在matplotlib庫的基礎上進行了更高級的 API 封裝，從而使繪圖更容易、更美觀。本文主要通過鐵達尼號數據集，來演示seaborn庫常用可視化圖形。分析目的：數據集導入import matplotlib.pyplot as plt%matplotlib inlineimport seaborn as snsimport
  • Python可視化 | Seaborn經濟學人經典圖表仿製
    上篇原創推文使用了R-ggplot2 實現了經濟學人經典的圖表仿製實現R-ggplot2 經典經濟學人圖表仿製，所以這期呢，我們就使用Python-seaborn實現這個經典的經濟學人圖表再現。主要涉及的知識點如下：Python-seaborn regplot回歸線性擬合圖繪製Python-seaborn 繪製擬合線圖首先，我們預覽下數據(部分)：其中Region_new 列則是根據相關要求更改的新列，作圖也是以次數據為基礎的。
  • 數據分析的幾種常用方法概覽
    數據分析常用方法概覽（之一）對數據進行分析的方法很多，常用的有對比分析法、分組分析法、結構分析法、交叉分析法、漏鬥圖分析法、矩陣分析法、綜合評價分析法、5W1H分析法、相關分析法、回歸分析法、 聚類分析法、判別分析法、主成分分析法、因子分析法
  • 數據可視化,職場數據分析都需要哪些常用的圖表?
    使用圖表數據可視化的作用　　使用圖表來展示數據主要有三個作用：　　表達形象化：使用圖表可以化冗長為簡潔，化抽象為具體，化深奧為形象，使讀者或聽眾更容易理解主題和觀點。　　突出重點：通過對圖表中數據的顏色和字體等信息的特別設置，可以把問題的重點有效地傳遞給讀者或聽眾。