数据分析之seaborn画图
一、数据导入
In [2]:
import pandas
from pandas import set_option
#括号里面直接指定了数据的来源，当然你也可以按照老师视频中所讲授的来操作
iris = pandas.read_csv('http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data')
iris.columns=['sepal_length','sepal_width','petal_length','petal_width','species']
导入seaborn
In [5]:
import matplotlib.pyplot as plt
import seaborn as sns #要注意的是一旦导入了seaborn，matplotlib的默认作图风格就会被覆盖成seaborn的格式
让图片在notebook里面更加灵活
In [11]:
%matplotlib notebook
中文显示
In [4]:
plt.rc('font', family='SimHei', size=8)
二、条形图
In [10]:
sns.barplot(x="sepal_length",y="species",data=iris)
Out[10]:
三、直方图
In [11]:
sns.distplot(iris["sepal_length"])
Out[11]:
三、折线图
In [12]:
sns.pointplot(x="sepal_length",y="species",data=iris)
Out[12]:
四、散点图
普通散点图
In [19]:
sns.stripplot(x="sepal_length", y="species", data=iris, jitter=True, edgecolor="gray")
Out[19]:
带回归线的散点图
In [15]:
sns.regplot(x="sepal_length",y="sepal_length",data=iris)
Out[15]:
五、箱形图
In [20]:
sns.boxplot(x="sepal_length",y="species",data=iris)
Out[20]:
六、小提琴图
In [22]:
sns.violinplot(x="sepal_length", y="species", data=iris, size=6)
Out[22]:
七、pairplot
In [61]:
sns.pairplot(iris,hue="species",size=2)
Out[61]:
显示kde
In [55]:
sns.pairplot(iris,hue="species", size=2, diag_kind="kde")
Out[55]:
八、热点图
In [8]:
iris_nospecies = iris.pop("species")
sns.heatmap(iris)
#
Out[8]:
In [9]:
plt.show()
In [12]:
sns.clustermap(iris, fmt="d",cmap='YlGnBu',figsize=(6,9))
Out[12]: