我用Python的Seaborn库绘制个超好看图表.docxVIP

我用Python的Seaborn库绘制17个超好看图表 定义 Seaborn是一个基于matplotlib且数据结构与pandas统一的统计图制造库。Seaborn框架旨在以数据可视化为中心来挖掘与理解数据。 优点 代码较少 图形美观 功能齐全 主流模块安装 pip命令安装 pip install matplotlibpip install seaborn 从github安装 pip install git+/mwaskom/seaborn.git 流程 导入绘图模块 mport matplotlib.pyplot as pltimport seaborn as sns 供应显示条件 %matplotlib inline #在Jupyter中正常显示图形 导入数据 #Seaborn内置数据集导入dataset = sns.load_dataset(dataset)#外置数据集导入（以csv格式为例）dataset = pd.read_csv(dataset.csv) 设置画布 #设置一块大小为(12,6)的画布plt.figure(figsize=(12, 6)) 输出图形 #全体图形背景样式，共5种:white, dark, whitegrid, darkgrid, tickssns.set_style(white)#以条形图为例输出图形sns.barplot(x=x,y=y,data=dataset,...)barplot()括号里的是需要设置的具体参数，涉及到数据、颜色、坐标轴、以及具体图形的一些把握变量，基本的一些参数包括x、y、data，分别表示x轴，y轴，以及选择的数据集。 保存图形 #将画布保存为png、jpg、svg等格式图片plt.savefig(jg.png) 实战 #数据预备df = pd.read_csv(./cook.csv) #读取数据集(「菜J学Python」后台回复cook猎取)df[难度] = df[用料数].apply(lambda x:简约 if x5 else(一般 if x15 else 较难)) #添加难度字段df = df[[菜谱,用料,用料数,难度,菜系,评分,用户]] #选择需要的列df.sample(5) #查看数据集的随机5行数据 #导入相关包import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport matplotlib as mplimport seaborn as sns%matplotlib inlineplt.rcParams[font.sans-serif] = [SimHei] # 设置加载的字体名plt.rcParams[axes.unicode_minus] = False # 处理保存图像是负号-显示为方块的问题sns.set_style(white) #设置图形背景样式为white 直方图 #语法seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None,hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, color=None,vertical=False, norm_hist=False, axlabel=None, label=None, ax=None)#distplot()输出直方图，默认拟合出密度曲线plt.figure(figsize=(10, 6)) #设置画布大小rate = df[评分]sns.distplot(rate,color=salmon,bins=20) #参数color样式为salmon，bins参数设定数据片段的数量 #kde参数设为False,可去掉拟合的密度曲线plt.figure(figsize=(10, 6))sns.distplot(rate,kde=False,color=salmon,bins=20) #设置rug参数，可添加观测数值的边际毛毯fig,axes=plt.subplots(1,2,figsize=(10,6)) #为便利对比，创建一个1行2列的画布,figsize设置画布大小sns.distplot(rate,color=salmon,bins=10,ax=axes[0]) #axes[0]表示第一张图(左图)sns.distplot(rate,color=green,bins=10,rug=True,ax=axes[1]) #axes[1]表示第