数据可视化 第4章 Seaborn的使用.ppt

8网格图——FacetGridFacetGrid类有以下常见方法：add_legend([legend_data,title,label_order])：绘制一个图例，可能将其放在轴外并调整图形大小。despine(**kwargs)：从子图中移除轴的边缘框架。facet_axis(row_i,col_j)：使这些索引识别的轴处于活动状态并返回。facet_data()：用于每个子图的名称索引和数据子集的生成器。map(func,args,*kwargs)：将绘图功能应用于每个子图的数据子集。map_dataframe(func,args,*kwargs)：像map一样，但是将args作为字符串传递并在kwargs中插入数据。savefig(args,*kwargs)：保存图片。set(**kwargs)：在每个子图集坐标轴上设置属性。set_axis_labels([x_var,y_var])：在网格的左列和底行设置轴标签。set_titles([template,row_template,…])：在每个子图上方或网格边缘绘制标题。set_xlabels([label])：在网格的底行标记x轴。set_xticklabels([labels,step])：在网格的底行设置x轴刻度标签。set_ylabels([label])：在网格的左列标记y轴。set_yticklabels([labels])：在网格的左列上设置y轴刻度标签。*8网格图——FacetGrid用FacetGrid类绘图的基本思路是：1.用FacetGrid画出轮廓图（即图形的横纵比等）；2.用map填充内容。*8网格图——PairGridPairGrid用于绘制数据集中成对关系的子图网格。该类将数据集中的每个变量映射到多个轴的网格中的列和行。可以使用不同的轴级绘图函数来绘制上三角区域和下三角区域的双变量图，并且对角线上可以显示每个变量的边际分布。PairGrid类语法如下：*8网格图——PairGrid它和FacetGrid绘图的思路大体一致：1.用PairGrid绘制轮廓图；2.用map_diag绘制对角线上的图形；3.用map_offdiag绘制非对角线上的图形。*8网格图——JointGridJointGrid用于绘制具有边际单变量图的双变量图的网格。JointGrid类语法如下：*8网格图——JointGrid它与前两个类的绘图思路一致：1.用JointGrid绘制轮廓；2.通过plot_joint绘制中央的图形；3.通过plt_marginals绘制上方和右方图形*分布图5.*5分布图在seaborn中，分布图分为两类：单变量分布图和双变量分布图。*5分布图——单变量分布图kdeplot()核密度估计在概率论中用来估计未知的密度函数，属于非参数检验方法之一。我们通过核密度估计图可以比较直观地看出数据样本本身的分布特征。kdeplot()函数语法如下：*5分布图——单变量分布图kdeplot()常见参数含义如下：data：一维阵列。第一输入数据。data2：一维阵列。第二输入数据。如果存在，将估计双变量kdeplot()。shade：布尔值。如果为True，则在KDE曲线下方的区域中增加阴影。vertical：布尔值。如果为True，密度图将显示在x轴。kernel：可选参数有[gau,cos,biw,epa,tri,triw]。要拟合的核的形状，双变量只能使用高斯核gau。bw：可选参数有[scott,silverman,scalar,pairofscalars]。用于确定双变量图的每个维的核大小、标量因子或标量的参考方法的名称。gridsize：评估网格中的离散点数。cut：标量。绘制估计值以从极端数据点切割*bw。clip：一对标量。用于拟合kde图的数据点的上下限值。cumulative：布尔值。如果为True，则绘制kde估计图的累积分布。shade_lowest：布尔值。如果为True，则屏蔽双变量kde图的最低轮廓。cbar：布尔值。如果为True，则绘制双变量kde图，为绘制的图像添加颜色条。*5分布图——单变量分布图kdeplot()还可以绘制两个变量的阴影核密度图，并添加颜色渐变条*5分布图——单变量分布图distplot()distplot()用来绘制直方图，又称质量分布图，它是表示连续数据变化情况的一种主要工具。用直方图可以解析出数据的规则性，比较