seaborn是matplotlib的補充包，提供了一系列高顏值的figure，并且集成了多種在線數(shù)據(jù)集，通過sns.load_dataset()進(jìn)行調(diào)用，可供學(xué)習(xí)，如果網(wǎng)絡(luò)不穩(wěn)定，可下載到本地，然后在調(diào)用的時候使用把cache設(shè)為True。

scatter_plot

官方的示例就很不錯，繪制了diamonds數(shù)據(jù)集中的鉆石數(shù)據(jù)。diamonds中總共包含十項數(shù)據(jù)，分別是重量/克拉、切割水平、顏色、透明度、深度、table、價格以及x、y、z方向的尺寸。

我們可以先來看看x和y方向的尺寸是否有一定的相關(guān)性

import seaborn as sns
import matplotlib.pyplot as plt
# 本地加載數(shù)據(jù)集
dia = sns.load_dataset("diamonds",data_home="seaborn-data", cache=True)
# 以上幾行代碼后面不再重復(fù)書寫
sns.scatterplot(x=dia['x'],y=dia['y'],size=5)
plt.show()  #用于顯示圖片，后文就不寫了

在這里插入圖片描述

其中x，y分別代表x軸和y軸數(shù)據(jù)，可見一般鉆石還是比較規(guī)則的。

官方畫廊繪制的圖像如下

在這里插入圖片描述

這個圖的橫坐標(biāo)是重量(克拉)，縱坐標(biāo)是價格，我們發(fā)現(xiàn)鉆石商人大多有強迫癥，因為2.0克拉、1.5克拉、1.0克拉這種整十整五的鉆石比周圍重量的鉆石更多。。。

f, ax = plt.subplots(figsize=(6.5, 6.5))
sns.set_theme(style="whitegrid")
sns.despine(f, left=True, bottom=True)
clarity =  ["I1", "SI2", "SI1", "VS2", "VS1", "VVS2", "VVS1", "IF"]   #顏色深淺的順序
sns.scatterplot(x="carat", y="price",         #聲明x軸和y軸的值
    hue="clarity", size="depth",  #clarity和depth分別調(diào)控顏色和尺寸
    palette="ch:rot=-.2,d=.3_r",    #調(diào)色板
    style_order=clarity,sizes=(1,10), #顏色標(biāo)識的順序和尺寸范圍
    linewidth=0,data=dia, ax=ax)
plt.show()

首先，set_theme用于設(shè)置主題，其中style可以輸入字符串或者字典，可調(diào)整主題風(fēng)格。

其次，palette代表顏色映射，當(dāng)其輸入值為字符串時，其含義為

	縮寫	取值范圍
start	s	[0,3]	漸變始點顏色
rot	r		用于調(diào)控色相
gamma	g	不小于0	小于1時，提高暗部；大于1時，加強高光
hue	h	[0,1]	Saturation of the colors.
dark	d	[0,1]	最暗處的強度
light	l	[0,1]	最亮處顏色的強度

sizes用于調(diào)整點的尺寸，當(dāng)設(shè)置size時，將size中的值對應(yīng)到ssizes中從而繪圖。

我們注意到鉆石屬性中有一個是切割水平，那么接下來繪制一下切割水平和價格的關(guān)系。

fig, ax = plt.subplots(figsize=(6.5, 6.5))
sns.set_theme(style="whitegrid")
sns.despine(fig, left=True, bottom=True)
sns.scatterplot(data = dia, x="carat", y="price",
    style="cut",hue='cut',
    linewidth=0)
plt.show()

果然把漸變顏色去掉之后顏值狂掉，但同時可以發(fā)現(xiàn)，這個very good顯然不是最好的切割等級，畢竟在3.0克拉級別的鉆石中，有一顆very good級別的鉆石買到了最低價。GIA評估的鉆石等級為Excellent，Very Good，Good，F(xiàn)air到最差Poor，可能在這個數(shù)據(jù)集中，ideal就代表了Excellent吧。

在這里插入圖片描述

lmplot

如果想更準(zhǔn)確地觀察cut對鉆石價格的影響，可以通過lmplot在散點圖的基礎(chǔ)上繪制一個趨勢線出來。

sns.lmplot(data=dia, x="carat", y="price",hue='cut',markers = '.')
plt.show()

在這里插入圖片描述

這樣一看就發(fā)現(xiàn)果然ideal的鉆石是最好的。

jointplot

以上諸圖，都是消費者最關(guān)心的問題——價格、尺寸以及透明度等。但商家最關(guān)心的可能是價格、重量與銷售量的關(guān)系，這就涉及到一個分布的問題。而seaborn提供了一個非常好的雙變量關(guān)系圖——jointplot，效果如下

在這里插入圖片描述

可見，還是便宜的鉆石比較火爆，代碼分別為

# 左圖代碼
sns.jointplot(data=dia, x="carat", y="price",xlim=(0,3),ylim=(0,17500), ratio=10,kind='hex',color="#4CB391")
# 右圖代碼
sns.jointplot(data=dia, x="carat", y="price",hue='cut', xlim=(0,3),ylim=(0,17500), ratio=10,marker='.')

其中，kind用于更改圖像的風(fēng)格，sns提供了六種風(fēng)格："scatter" "kde" "hist" "hex" "reg" "resid"。

以上就是Python編程使用matplotlib挑鉆石seaborn畫圖入門的詳細(xì)內(nèi)容，更多關(guān)于matplotlib挑鉆石seaborn畫圖入門的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: