我用Python的Seaborn库绘制个超好看图表.docxVIP

我用Python的Seaborn库绘制个超好看图表.docx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
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 matplotlib pip install seaborn 从github安装 pip install git+/mwaskom/seaborn.git 流程 导入绘图模块 mport matplotlib.pyplot as plt import 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, ticks sns.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 np import pandas as pd import matplotlib.pyplot as plt import matplotlib as mpl import seaborn as sns %matplotlib inline plt.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

文档评论(0)

liuxiyuliuxingyu + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档