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

  • 教你python如何在字符串中加数值。

    Python字符串插值 在编写程序时,我们经常需要将变量的值插入到字符串中,在Python中,有多种方法可以实现字符串插值,本文将介绍几种常用的字符串插值方法。 使用加号拼接 最简单的方法是使用加号(+)将字符串和…

    2024年7月24日
    00
  • 小编分享如何通过seo查询分析网站后台数据。

    搜索引擎优化需要如何分析网站?网站优化的目标就是转化,而转化优劣的评价与数据分析结果是密切相关的。尤其有必要从不同的维度对网站进行分析,并通过分析数据指导优化人员科学地进行网站搜索引擎优化。那么如何做…

    2023年6月22日
    01
  • 分享淘数据怎么样。

    淘数据是一个专门为淘宝卖家提供数据查询、数据分析的平台,拥有全面的数据分析体系,为电商卖家提供:个性化数据定制服务,以及直通车选词、店铺诊断、宝贝排名等工具,是卖家运营决策重要的数据参谋。 淘宝商家在…

    2023年10月23日
    00
  • 分享java中public的作用是什么。

    在Java编程语言中,public是一个访问权限修饰符,用于控制类、方法、字段等元素的可见性。具体来说,被public修饰的元素可以在任何地方被访问,也就是说它具有最大的访问权限。当我们在Java类声明中使用public关键…

    2024年7月12日
    00
  • 小编教你SEO优化和转化率这二者的联系。

    提高网站的整体转化率是网站优化的难点和关键。这是很多做搜索引擎优化的人会考虑的问题。流量重要吗?还是转换很重要?事实上,两者相辅相成,缺一不可。如果没有流量转化率,那SEO优化的最终目标就没实现。如果没…

    2022年12月4日
    01
  • 我来分享我们如何做SEO数据分析。

    我们如何做SEO数据分析。具体如何操作呢,首先我们需要了解做SEO应该搜集哪些方面的数据。 1. 网站流量统计数据流量数据包括:IP、PV、独立访客、人均浏览量、平均访问时长、跳出率、受访页面和域名、来源、搜索引…

    2022年10月31日
    019
  • HBase数据表如何查询操作和获取多版本数据?

    HBase数据模型是一个多维稀疏映射。 HBase中的表包含列族,其列限定符包含值和时间戳。在大多数 HappyBase API 中,列族和限定符名称被指定为单个字符串,例如cf1:col1,而不是作为两个单独的参数。虽然列族和限定…

    2023年5月29日
    09
  • 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

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