python中seaborn画swarm图_Python可视化 | Seaborn5分钟入门(四)——stripplot和swarmplot
微信公众号:「Python读财」
如有问题或建议,请公众号留言
Seaborn是基于matplotlib的Python可视化库。 它提供了一个高级界面来绘制有吸引力的统计图形。Seaborn其实是在matplotlib的基础上进行了更高级的API封装,从而使得作图更加容易,不需要经过大量的调整就能使你的图变得精致。
注:所有代码均在IPython notebook中实现
stripplot(分布散点图)
先总览一下stripplot的API:seaborn.stripplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, jitter=False, dodge=False, orient=None, color=None, palette=None, size=5, edgecolor='gray', linewidth=0, ax=None, *kwargs)
接下来就直接上代码演示,首先导入相应的包,这个大家应该都很熟悉了。import seaborn as sns
%matplotlib inline
sns.set(font_scale=1.5,style="white")
sns.set_context({"figure.figsize":(10,8)})
下面是本次演示所使用的数据集:data=sns.load_dataset("tips")
data.head()
我们先来看一下stripplot是什么样的sns.stripplot(x="time",y="total_bill", data=data)
可以看到stripplot的作图原理就是按照x属性所对应的类别分别展示y属性的值,适用于分类数据。上图就是不同饭点的账单总金额的散点图。
接下来讲解一下stripplot的主要参数,在这里我们只讲stripplot特有的一些参数,其他一些seaborn中常见参数的介绍可以翻看之前的文章。
x:设置分组统计字段
y:设置分布统计字段
jitter:当数据点重合较多时,可用该参数做一些调整sns.stripplot(x="time",y="total_bill",data=data,jitter=True)
可以看到,之前重合的数据点分散开了
在对time属性分类后,利用hue参数进行内部的分类sns.stripplot(x="time",y="total_bill",data=data,jitter=True,hue="day")
那如果我想把组内的不同类别分开来显示呢?这时候就用dodge参数
dodge:控制组内分类是否彻底分拆sns.stripplot(x="time",y="total_bill",data=data,jitter=True,hue="day",dodge=True)
order:对x参数所选字段内的类别进行排序以及筛选sns.stripplot(x="time",y="total_bill",data=data,jitter=True,
hue="day",dodge=True,order=["Dinner","Lunch"])
可以看到x轴上原本的Dinner和Lunch类别的前后顺序变了sns.stripplot(x="time",y="total_bill",data=data,jitter=True,
hue="day",dodge=True,order=["Dinner"])
可以看到x轴上原本的Lunch类别没有了,stripplot的演示就到此为止
swarmplot(分簇散点图)sns.swarmplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, dodge=False, orient=None, color=None, palette=None, size=5, edgecolor='gray', linewidth=0, ax=None, *kwargs)
swarmplot和stripplot的用法其实差不多,我们来看看两种图之间有什么区别,还是使用之前的数据集。sns.swarmplot(x="day",y="total_bill",data=data)
可以看到swarmplot将不同类别的散点图以树状来显示,其他参数用法和stripplot一致,下面简单演示一下。sns.swarmplot(x="day",y="total_bill",data=data,hue="sex",dodge=True)
sns.swarmplot(x="day",y="total_bill",data=data,hue="sex",dodge=True,palette="husl")
sns.swarmplot(y="day",x="total_bill",data=data,hue="sex",dodge=True,palette="husl")
有关stripplot和swarmplot的演示就到此结束了,想进一步学习的童鞋可以查看Seaborn的官方文档!以上内容是我结合官方文档和自己的一点理解写成的,有什么错误大家可以指出来并提提意见,共同交流、进步,也希望我写的这些能够给阅读完本文的你或或少的帮助!关注我的公众号「Python读财」,后台回复「py」即可获取Python学习资源礼包,还有Python学习交流群哦!
python中seaborn画swarm图_Python可视化 | Seaborn5分钟入门(四)——stripplot和swarmplot相关推荐
- python 竖线 绘图_Python可视化 | Seaborn5分钟入门(二)——barplot countplot
Seaborn是基于matplotlib的Python可视化库. 它提供了一个高级界面来绘制有吸引力的统计图形.Seaborn其实是在matplotlib的基础上进行了更高级的API封装,从而使得作图 ...
- python画矩阵图_Python可视化25_seaborn绘制矩阵图
矩阵图即用一张图绘制多个变量之间的关系,数据挖掘中常用于初期数据探索: 本文介绍python中seaborn.pairplot(傻瓜版)和seaborn.PairGrid(更个性化版)绘制矩阵图 本文 ...
- python根据时间序列画折线图_Python cufflinks 绘制折线图,时间序列,子图:简单,很快,很酷,还会动,从此 seaborn 是路人...
引言 Python 的 seaborn 与 matplotlib 绘图已不必多说,相信能够开始尝试使用 cufflinks 或者 FineBI 等工具进行绘图的朋友,已经对基本的数据可视化有了一定的了 ...
- python导入数据画折线图_Python读取Excel表格,并同时画折线图和柱状图的方法
今日给大家分享一个Python读取Excel表格,同时采用表格中的数值画图柱状图和折线图,这里只需要几行代码便可以实. 首先我们需要安装一个Excel操作的库xlrd,这个很简单,在安装Python后 ...
- python用matplotlib画人口图_Python+Matplotlib画contour图
- 全文阅读3分钟 - 在本文中,你将学习到以下内容: 理解画contour图的数据结构 contour图的参数调节 如何添加colorbar 我们先假设x, y的取值范围如下: import mat ...
- python用matplotlib画雷达图_python使用matplotlib绘制雷达图
本文实例为大家分享了python使用matplotlib绘制雷达图的具体代码,供大家参考,具体内容如下 示例代码: # encoding: utf-8 import pandas as pd impo ...
- python boxplot orient_Python 可视化 | Seaborn5 分钟入门 (三)——boxplot 和 violinplot
微信公众号:「Python读财」 如有问题或建议,请公众号留言 Seaborn是基于matplotlib的Python可视化库. 它提供了一个高级界面来绘制有吸引力的统计图形.Seaborn其实是在m ...
- python boxplot orient,Python可视化 | Seaborn5分钟入门(三)——boxplot和violinplot
微信公众号:「Python读财」 如有问题或建议,请公众号留言 Seaborn是基于matplotlib的Python可视化库. 它提供了一个高级界面来绘制有吸引力的统计图形.Seaborn其实是在m ...
- python根据时间序列画折线图_Python:matplotlib 和 Seaborn 之折线图 (三十七)
折线图 折线图是一种很常见的图形,用于描绘一个数字变量相对于第二个变量的值的变化趋势.在散点图中,所有数据点都会绘制出来,而在折线图中,每个唯一 x 值或 x 值的分箱仅绘制一个点(就像直方图一样). ...
最新文章
- 又一所双一流大学明确:发表论文数量不再作为博士毕业的限制性条件
- linux什么是实时调度,Linux中的实时调度
- 剑指offer:从尾到头打印链表
- Catalina.stop: Connect refused解决过程
- vs code vue插件_干货分享 | Vue框架常见问题浅谈
- kaggle的discussion区都是些什么鬼?
- python2020未来前景_2020年Python发展前景如何呢?
- BZOJ 2956 模积和
- iOS9 Error Domain=NSURLErrorDomain Code=-1022 App Transport Security (ATS)
- 凸优化第六章逼近与拟合 6.1范数逼近
- 祥福别园GhostXP_SP3纯净自选版_2013.04[NTFS格式]
- java入门到精通6版pdf_java从入门到精通第6章.pdf
- Web聊天室历史记录解决方案(轻喷。。)
- 【科普】数字货币的基石--区块链
- Cesium开发环境搭建的几种方法总结
- 激进投资者卡尔·伊坎辞去雅虎董事职务(每日关注,10月24日)
- 解决 Xshell6|Xftp6 强制升级问题
- 雷军亲自打造的套餐了解下:用多少付多少
- 微信公众号第三方平台投票
- Wikibon 2018年云市场和2019趋势报告:云移向数据
热门文章
- 网络流与线性规划24题(写了一半,先鸽下了……)
- Codeforces Round #717 (Div. 2) D. Cut 倍增
- AtCoder3950 [AGC022E] Median Replace(DFA + dp)
- 模板:min-max容斥离散随机变量的几何分布(洛谷P3175:[HAOI2015]按位或)
- P7078-[CSP-S2020]贪吃蛇【贪心,队列】
- YbtOJ#463-序列划分【二分答案,线段树,dp】
- P6855-「EZEC-4.5」走方格【dp】
- 纪中C组模拟赛总结(2019.7.12)
- 4、mysql数据库的权限管理
- SpringCloud Zuul(一)之介绍