Seaborn库绘制单变量分布和双变量分布

Matplotlib虽然已经是比较优秀的绘图库了,但是它有个今人头疼的问题,那就是API使用过于复杂,它里面有上千个函数和参数,属于典型的那种可以用它做任何事,却无从下手。

Seaborn基于 Matplotlib核心库进行了更高级的API封装,可以轻松地画出更漂亮的图形,而Seaborn的漂亮主要体现在配色更加舒服,以及图形元素的样式更加细腻。

不过,使用Seaborn绘制图表之前,需要安装和导入绘图的接口,具体代码如下:

#安装 pip3installseaborn
#导入 importseabornassns

Seaborn库的可视化数据分布

当处理一组数据时,通常先要做的就是了解变量是如何分布的。

对于单变量的数据来说采用直方图或核密度曲线是个不错的选择,对于双变量来说,可采用多面板图形展现,比如散点图、二维直方图、核密度估计图形等。

针对这种情况,Seaborn库提供了对单变量和双变量分布的绘制函数,如displot()函数、jointplot()函数,下面来介绍这些函数的使用。

绘制单变量分布

可以采用最简单的直方图描述单变量的分布情况。Seaborn中提供了distplot()函数,它默认绘制的是一个带有核密度估计曲线的直方图。distplot()函数的语法格式如下。

seaborn.distplot(a,bins=None,hist=True,kde=True,rug=False,fit=None,color=None)

上述函数中常用参数的含义如下:

(1)a:表示要观察的数据,可以是Series、一维数组或列表。

(2)bins:用于控制条形的数量。

(3)hist:接收布尔类型,表示是否绘制(标注)直方图。

(4)kde:接收布尔类型,表示是否绘制高斯核密度估计曲线。

(5)rug:接收布尔类型,表示是否在支持的轴方向上绘制rugplot。

通过distplot())函数绘制直方图的示例如下。

importnumpyasnpsns.set()np.random.seed(0)#确定随机数生成器的种子,如果不使用每次生成图形不一样arr=np.random.randn(100)#生成随机数组
ax=sns.distplot(arr,bins=10,hist=True,kde=True,rug=True)#绘制直方图

上述示例中,首先导入了用于生成数组的numpy库,然后使用seaborn调用set()函数获取默认绘图,并且调用random模块的seed函数确定随机数生成器的种子,保证每次产生的随机数是一样的,接着调用randn()函数生成包含100个随机数的数组,最后调用distplot()函数绘制直方图。

运行结果如下图所示。

上图中看出:

直方图共有10个条柱,每个条柱的颜色为蓝色,并且有核密度估计曲线。

根据条柱的高度可知,位于-1-1区间的随机数值偏多,小于-2的随机数值偏少。

通常,采用直方图可以比较直观地展现样本数据的分布情况,不过,直方图存在一些问题,它会因为条柱数量的不同导致直方图的效果有很大的差异。为了解决这个问题,可以绘制核密度估计曲线进行展现。

核密度估计是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,可以比较直观地看出数据样本本身的分布特征。

通过distplot()函数绘制核密度估计曲线的示例如下。

#创建包含500个位于[0,100]之间整数的随机数组array_random=np.random.randint(0,100,500)#绘制核密度估计曲线sns.distplot(array_random,hist=False,rug=True)

上述示例中,首先通过random.randint()函数返回一个最小值不低于0、最大值低于100的500个随机整数数组然后调用displot()函数绘制核密度估计曲线。 运行结果如图所示。

从上图中看出,图表中有一条核密度估计曲线,并且在x轴的上方生成了观测数值的小细条。

本文来自投稿,不代表重蔚自留地立场,如若转载,请注明出处https://www.cwhello.com/367039.html

如有侵犯您的合法权益请发邮件951076433@qq.com联系删除

(0)
黑马程序员黑马程序员订阅用户
上一篇 2023年8月29日 16:08
下一篇 2023年8月29日 16:17

相关推荐

  • 说说直通车数据怎么导出。

    想要分析直通车的点击量趋势,就需要根据点击量趋势的情况来判定该商品最近直通车的优化情况,一般需要结合ppc一起分析。 很多人都是做电商其实就是做数据的,如果店铺各项数据好了,销量自然就不会少,各种活动也…

    2023年10月31日
    02
  • 我来教你SEO优化需要分析哪些数据。

    1、网站文章内容分析 这里的内容质量分析不仅是分析网站内部更新的内容的质量,同时也要分析网站外链发布的内容的质量; 网站内容质量分析标准: 网站标题是否原创, 是否能引起用户关注; 网站整体内容原创度如何,…

    2023年6月28日
    00
  • 我来分享grafana设置变量。

    Grafana是一款开源的数据可视化工具,可以用于监控和分析各种数据源。在Grafana中,您可以使用变量来动态地更改查询、面板和仪表板的设置。您可以在Dashboard右上角的齿轮/Dashboard Setting中配置变量 。 Zabbix 5…

    2024年7月4日
    00
  • 小编分享APP推广应该把握哪些数据指标。

    在应用良好的发展背景下,应用商店中出现一片开发的红海。在竞争激烈的应用市场,同类应用的同质化现象普遍存在,应用开发者应用通过不断创新功能吸引用户关注的目光。但是快速更新换代的应用市场中,在拥有高质量…

    2023年3月31日
    01
  • 小编教你python中%d的用法。

    在Python中,%d是一种字符串格式化操作符,用于将整数插入到字符串中,这种操作符通常与%一起使用,%后面跟着一个或多个由%和格式代码组成的元素,格式代码是一个字符,用于指定应如何格式化值,在这种情况下,%d是…

    2024年7月24日
    00
  • 我来分享SEO优化人员怎样进行数据分析。

    做seo优化,我们必须要懂得数据分析,不懂数据分析的SEO不是好SEO,那么今天我们就来聊聊数据分析的那些事。 1、分析网站数据 影响关键词排名的重要因素: 跳出率:这个是严重影响转化成交的重要因素。它是和页面质…

    2023年6月28日
    00
  • 如何分析网站优化数据。

    网站建设中数据分析主要的路径就是通过分析流量、日志数据和关键词排名等数据,要想提升分析这些数据的水平和精度,关键还是要从网站优化下面所说的几个方面来进行。 一、做好竞争对手的SEO优化数据分析 这是基于SE…

    2022年10月30日
    017
  • 今日分享ABAP Netweaver的环境变量怎么配置。

    ABAP Netweaver是SAP系统中的一个集成开发环境,用于开发和部署ABAP应用程序,在配置ABAP Netweaver的环境变量时,需要按照以下步骤进行操作: 1. 打开操作系统的环境变量设置:你需要打开操作系统的环境变量设置界…

    2024年6月14日
    00

联系我们

QQ:951076433

在线咨询:点击这里给我发消息邮件:951076433@qq.com工作时间:周一至周五,9:30-18:30,节假日休息