数学建模——数据可视化seaborn

这篇具有很好参考价值的文章主要介绍了数学建模——数据可视化seaborn。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

数学建模——数据可视化seaborn

写作由来:
最近在准备数学建模美赛,在画图表的时候,之前一直用的是matplotlib,但是画出来总感觉不是很好看,而美赛挺注重文章的美观,所以找到了另一个实用的高级的Python包——seaborn。

概括

风格(style)

有5种风格 white,whitegrid,dark,darkgrid,ticks,默认是darkgrid

sns.set()

sns.set(style="ticks") 坐标轴出现刻度线

环境(context)

sns.plotting_context("notebook")  # 默认
sns.plotting_context("paper")
sns.plotting_context("talk")
sns.plotting_context("poster")
##字体大小和线的粗细
sns.set_context("paper",font_scale=2,rc={"lines.linewidth":3.5})
plt.figure(figsize=(10,6)) ##表的大小

画图就是参数很多,列举一些下面用到常用的

  • hue:也是具体的某一可以用做分类的列,作用是分类;

  • palette:调色板

  • markers:绘图的形状

  • x_jitter,y_jitter:设置点的抖动程度

    Categorical plots(分类图)

  1. Categorical scatterplots(分类散点图)
    stripplot(分布散点图)
    swarmplot(分布密度散点图)
  2. Categorical distribution plots(分类分布图)
    boxplot(箱线图)
    violinplot(小提琴图)
  3. Categorical estimate plots(分类估计图)
    pointplot(点图)
    barplot(条形图)
    countplot(计数统计图)
##默认提供的颜色
current_palette = sns.color_palette()
sns.palplot(current_palette)

数学建模数据可视化,数学建模,信息可视化,python,数据分析

当我们画12条线的时候,有两条颜色是相同的,因为他默认提供10种颜色

这时最简单的方法就是在一个圆形的颜色空间中画出均匀间隔的颜色

sns.palplot(sns.color_palette("hls",12))

数学建模数据可视化,数学建模,信息可视化,python,数据分析

连续画板
sns.palplot(sns.light_palette("purple"))

数学建模数据可视化,数学建模,信息可视化,python,数据分析

sns.palplot(sns.dark_palette("yellow"))

数学建模数据可视化,数学建模,信息可视化,python,数据分析

回归

回归regplot和implot,推荐用regplot,implot更高级,参数更多

sns.regplot(x='total_bill',y='tip',data=tips)

数学建模数据可视化,数学建模,信息可视化,python,数据分析

多变量分析
sns.stripplot(x="day",y="total_bill",data=tips,jitter=False)

数学建模数据可视化,数学建模,信息可视化,python,数据分析

jitter参数默认是true,即左右小范围偏差
数学建模数据可视化,数学建模,信息可视化,python,数据分析

##上面那个左右误差的不太均匀,那下面的这个图就左右比较均匀
##长的像树
sns.swarmplot(x="day",y="total_bill",data=tips)

数学建模数据可视化,数学建模,信息可视化,python,数据分析

  • hue是data中的键或向量,根据hue变量对数据进行分组,并在图中使用不同颜色的元素加以区分。
sns.swarmplot(x="day",y="total_bill",hue="sex",data=tips)

数学建模数据可视化,数学建模,信息可视化,python,数据分析

小提琴
sns.violinplot(x="day",y="total_bill",hue="sex",data=tips)

数学建模数据可视化,数学建模,信息可视化,python,数据分析

sns.violinplot(x="day",y="total_bill",hue="sex",data=tips,split=True)

数学建模数据可视化,数学建模,信息可视化,python,数据分析

点图pointplot

更好的描述变化差异

sns.pointplot(x="class",y="survived",hue="sex",data=titanic,palette={"male":"g","female":"m"},
             markers=["^","o"],linestyles=["-","--"]
             )

数学建模数据可视化,数学建模,信息可视化,python,数据分析

柱状图barplot
sns.barplot(x="sex",y="survived",hue="class",data=titanic)

数学建模数据可视化,数学建模,信息可视化,python,数据分析

displot
热度图
实战(tips数据集)
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

sns.set_context("paper",font_scale=2,rc={"lines.linewidth":3.5})
tips = sns.load_dataset("tips",data_home="D:\JJH\Documents\seaborn-data-master\seaborn-data-master")

查看tip的分布情况

sns.displot(data=tips,x="tip")

数学建模数据可视化,数学建模,信息可视化,python,数据分析

核密度估计

sns.displot(data=tips,x="tip",kind="kde")

数学建模数据可视化,数学建模,信息可视化,python,数据分析

在直方图中,显示核密度估计

sns.displot(data=tips,x="tip",kde=True)

数学建模数据可视化,数学建模,信息可视化,python,数据分析

在分布图中区分男女

通过hue参数

sns.displot(data=tips,x="tip",kind="kde",hue="sex")

数学建模数据可视化,数学建模,信息可视化,python,数据分析

为了更加美观可以设置multiple,默认是layer
multiple有三个参数分别是layer,stack,fill

sns.displot(data=tips,x="tip",hue="sex",kind="kde",multiple="stack")

数学建模数据可视化,数学建模,信息可视化,python,数据分析

二元分布图

sns.displot(data=tips,x="tip",y="total_bill")

数学建模数据可视化,数学建模,信息可视化,python,数据分析

另一种二元分布图

sns.displot(data=tips,x="tip",y="total_bill",kind="kde")

数学建模数据可视化,数学建模,信息可视化,python,数据分析

col参数,绘制分图

sns.displot(data=tips,x="tip",kind="kde",col="sex")

数学建模数据可视化,数学建模,信息可视化,python,数据分析

jointplot

即可以查看二元变量的分布情况

g=sns.jointplot(x="total_bill",y="tip",data=tips)

数学建模数据可视化,数学建模,信息可视化,python,数据分析

六边形

g=sns.jointplot(x="total_bill",y="tip",data=tips,kind="hex")

数学建模数据可视化,数学建模,信息可视化,python,数据分析

pairplot

查看所有变量(数值型)之间的关系

sns.pairplot(tips,
             kind = 'scatter', #散点图/回归分布图{'scatter', 'reg'})
             diag_kind = 'hist', #直方图/密度图{'hist', 'kde'}
             hue = 'time',   #按照某一字段进行分类
             palette = 'husl',  #设置调色板
             markers = ['o', 's'], #设置不同系列的点样式(这里根据参考分类个数)
             )

数学建模数据可视化,数学建模,信息可视化,python,数据分析

热度图 相关系数

因为有些不是数值型的,相关系数是没法计算的,所以要转化为int

for field in ["sex","day","time","smoker"]:
    tips[field]=tips[field].astype("category").cat.codes
sns.heatmap(tips.corr(),annot=True,fmt='.2f',cmap="coolwarm")

数学建模数据可视化,数学建模,信息可视化,python,数据分析文章来源地址https://www.toymoban.com/news/detail-644523.html

到了这里,关于数学建模——数据可视化seaborn的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【数学建模美赛M奖速成系列】数据可视化方法(一)

    最近开始更新一个新的系列科研绘图,在同一个竞赛下,大家都近乎相同的解题思路下。之所以能出现一等二等三等奖的区别很大部分都在于结果的可视化,为了能更好地帮助大家进行可视化,近期将专门推出一个可视化板块,推出各种好看实用的可视化图形。 也称为Joy P

    2024年01月16日
    浏览(41)
  • matlab数据的获取、预处理、统计、可视化、降维 | 《matlab数学建模方法与实践(第三版)》学习笔记

    一、数据的获取 1.1 从Excel中获取 使用readtable() 使用xlsread()——xlswrite() 1.2  从TXT中获取 使用load() 使用textread() 使用fopen() fread() fclose()  使用fprintf()写入信息到txt  1.3 从图片中获取 使用imread  1.4 从视频获取  使用视觉工具箱中的VideoFileReader  二、数据的预处理 2.1 缺失值处

    2024年01月19日
    浏览(64)
  • python数学建模--绘图动态可视化图表

    本博客的灵感来源自笔者最近研究的最优化问题 在使用 模拟退火算法、遗传算法 求二元函数最值的过程中,虽然笔者已经能够通过算法得到不错的结果,但是笔者还是比较好奇算法的执行过程中,变量是怎样更新的,显然可视化是一种很好的方法 在上一篇博客【python数学建

    2024年02月06日
    浏览(40)
  • 数据分析课程设计(数学建模+数据分析+数据可视化)——利用Python开发语言实现以及常见数据分析库的使用

    目录 数据分析报告——基于贫困生餐厅消费信息的分类与预测 一、数据分析背景以及目标 二、分析方法与过程 数据探索性与预处理 合并文件并检查缺失值 2.计算文件的当中的值 消费指数的描述性分析 首先对数据进行标准化处理 聚类模型的评价 聚类模型的结果关联 利用决

    2024年02月12日
    浏览(53)
  • 81 | Python可视化篇 —— Seaborn数据可视化

    Seaborn是Python中一个基于Matplotlib的高级数据可视化库,它提供了更简单的API和更美观的图形样式,适用于数据探索和展示。在本教程中,我们将介绍Seaborn的基本概念和用法,并通过一些示例演示如何使用Seaborn来创建各种图表和图形。

    2024年02月14日
    浏览(35)
  • Seaborn数据可视化(四)

    目录   1.绘制箱线图 2.绘制小提琴图 3.绘制多面板图 4.绘制等高线图 5.绘制热力图 结果图: 结果图: 结果图:    结果图:    结果图:  

    2024年02月11日
    浏览(38)
  • Seaborn数据可视化(二)

    目录 1.Seaborn风格设置 1.1 主题设置 1.2 轴线设置  1.3 移除轴线  1.4 使用字典传递函数  2.设置绘图元素比例 2.1 设置绘图元素比例paper 2.2 设置绘图元素比例poster 2.3 设置绘图元素比例notebook Seaborn将Matplotlib的参数划分为两个独立的组合,第一组用于设置绘图的外观风格,第二

    2024年02月12日
    浏览(43)
  • Seaborn数据可视化(三)

    使用displot()绘制直方图。 结果图: 使用kdeplot绘制密度图。 结果图: 示例1: 结果图:    示例2: 结果图:   结果图; 结果图:    

    2024年02月11日
    浏览(49)
  • Seaborn数据可视化(一)

    目录 1.seaborn简介  2.Seaborn绘图风格设置 21.参数说明: 2.2 示例: Seaborn是一个用于数据可视化的Python库,它是建立在Matplotlib之上的高级绘图库。Seaborn的目标是使绘图任务变得简单,同时产生美观且具有信息含量的图形。 Seaborn提供了一组针对统计数据可视化的高级函数和主题

    2024年02月12日
    浏览(45)
  • 2. seaborn-可视化分类数据

    在 seaborn 中,有几种不同的方法可以对分类数据进行可视化。类似于 relplot() 与 scatterplot() 或者 lineplot() 之间的关系,有两种方法可以制作这些图。有许多 axes-level 函数可以用不同的方式绘制分类数据,还有一个 figure-level 接口 catplot() ,可以对它们进行统一的高级访问。 将不

    2024年01月25日
    浏览(41)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包