散点图
解读
可以通过调整颜色、大小和样式等参数来显示数据之间的关系。
函数原型
seaborn.scatterplot(x=None, y=None, hue=None, style=None, size=None, data=None, palette=None, hue_order=None, hue_norm=None, sizes=None, size_order=None, size_norm=None, markers=True, style_order=None, x_bins=None, y_bins=None, units=None, estimator=None, ci=95, n_boot=1000, alpha='auto', x_jitter=None, y_jitter=None, legend='brief', ax=None, **kwargs)
参数解读
data: DataFrame
可选参数
x,y为数据中变量的名称; 作用：对将生成具有不同颜色的元素的变量进行分组。可以是分类或数字. size：数据中的名称 作用：根据指定的名称(列名)，根据该列中的数据值的大小生成具有不同大小的效果。可以是分类或数字。 style:数据中变量名称(比如：二维数据中的列名) 作用：对将生成具有不同破折号、或其他标记的变量进行分组。 palette:调试板名称，列表或字典类型 作用：设置hue指定的变量的不同级别颜色。 hue_order:列表(list)类型 作用：指定hue变量出现的指定顺序，否则他们是根据数据确定的。 hue_norm:tuple或Normalize对象 sizes:list dict或tuple类型 作用：设置线宽度，当其为数字时，它也可以是一个元组，指定要使用的最大和最小值，会自动在该范围内对其他值进行规范化。
案例教程
import matplotlib.pyplot as plt import seaborn as sns; sns.set() tips = sns.load_dataset("tips") """ 案例1：散点图 """ sns.scatterplot( x="total_bill", y="tip",data=tips) plt.show()
import matplotlib.pyplot as plt import seaborn as sns; sns.set() tips = sns.load_dataset("tips") """ 案例2：设置hue 根据设置的类别，产生颜色不同的点的散点图 eg.下图为根据time分类的散点图 """ sns.scatterplot(x="total_bill", y="tip", hue="time",data=tips) plt.show()
import matplotlib.pyplot as plt import seaborn as sns; sns.set() tips = sns.load_dataset("tips") """ 案例3：设置hue 根据设置的类别，产生颜色不同的点的散点图，设置style，使其生成不同的标记的点 eg.下图为hue与style设置相同的分类的散点图 """ sns.scatterplot(x="total_bill", y="tip",hue="time", style="time", data=tips) plt.show()
import matplotlib.pyplot as plt import seaborn as sns; sns.set() tips = sns.load_dataset("tips") """ 案例4：设置hue 根据设置的类别，产生颜色不同的点的散点图，设置style，使其生成不同的标记的点 eg.下图为hue与style设置不同的分类的散点图 """ sns.scatterplot(x="total_bill", y="tip",hue="day", style="time", data=tips) plt.show()
import matplotlib.pyplot as plt import seaborn as sns; sns.set() tips = sns.load_dataset("tips") """ 案例5：设置size ，根据设置的类别，产生大小不同的点的散点图 """ sns.scatterplot(x="total_bill", y="tip", size="time",data=tips) plt.show()
import matplotlib.pyplot as plt import seaborn as sns; sns.set() tips = sns.load_dataset("tips") """ 案例6：同时设置hue和size，根据设置的类别，产生颜色和大小不同的点的散点图 """ sns.scatterplot(x="total_bill", y="tip",hue="time", size="time",data=tips) plt.show()
import matplotlib.pyplot as plt import seaborn as sns; sns.set() tips = sns.load_dataset("tips") """ 案例7：同时设置hue和size，根据设置的类别，产生颜色和大小不同的点的散点图 不过这里的颜色使用的是Set2中的，palette="Set2", """ sns.scatterplot(x="total_bill", y="tip", hue="day", size="smoker", palette="Set2", data=tips) plt.show()
image.png
import matplotlib.pyplot as plt import seaborn as sns; sns.set() tips = sns.load_dataset("tips") """ 案例8：使用指定的标记 """ markers = {"Lunch": "s", "Dinner": "X"} sns.scatterplot(x="total_bill", y="tip", style="time", markers=markers, data=tips) plt.show()
image.png
import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns; plt.close("all") sns.set() """ 案例10：利用pandas构建时间序列数据,从2000-1-31开始，以月为频率，生成100条时间序列 """ index = pd.date_range("2000-1-11", periods=100, freq="m", name="date") data = np.random.randn(100, 4).cumsum(axis=0) wide_df = pd.DataFrame(data, index, ["a", "b", "c", "d"]) sns.scatterplot(data=wide_df) plt.show()
