使用 Python Seaborn 进行数据可视化
原文:https://www.geesforgeks.org/data-visualization-with-python-seaborn/
数据可视化是以图像形式呈现数据。这对于数据分析极其重要，主要是因为以数据为中心的 Python 包的奇妙生态系统。它有助于理解数据，无论数据多么复杂，通过以简单易懂的格式总结和呈现大量数据来理解数据的意义，并有助于清晰有效地交流信息。
熊猫和海鸟就是其中的一个包，让导入和分析数据变得更加容易。在本文中，我们将使用熊猫和海鸟来分析数据。
熊猫
【熊猫】 提供清理和处理数据的工具。它是最流行的用于数据分析的 Python 库。在熊猫中，数据表被称为数据框。
那么，让我们从创建熊猫数据框开始:
例 1:
蟒蛇 3
# Python code demonstrate creating
import pandas as pd
# initialise data of lists.
data = {'Name':[ 'Mohe' , 'Karnal' , 'Yrik' , 'jack' ],
'Age':[ 30 , 21 , 29 , 28 ]}
# Create DataFrame
df = pd.DataFrame( data )
# Print the output.
df
输出:
例 2: 从系统加载 CSV 数据，通过熊猫显示。
蟒蛇 3
# import module
import pandas
# load the csv
data = pandas.read_csv("nba.csv")
# show first 5 column
data.head()
输出:
海伯恩
Seaborn 是一个用 Python 绘制统计图形的惊人可视化库。它建立在 matplotlib 库的基础上，也与熊猫的数据结构紧密结合。
安装
对于 python 环境:
pip install seaborn
对于 conda 环境:
conda install seaborn
让我们用海鸟来创建一些基本的地块:
蟒蛇 3
# Importing libraries
import numpy as np
import seaborn as sns
# Selecting style as white,
# dark, whitegrid, darkgrid
# or ticks
sns.set( style = "white" )
# Generate a random univariate
# dataset
rs = np.random.RandomState( 10 )
d = rs.normal( size = 50 )
# Plot a simple histogram and kde
# with binsize determined automatically
sns.distplot(d, kde = True, color = "g")
输出:
Seaborn:统计数据可视化
Seaborn 有助于可视化统计关系，为了理解数据集中的变量如何相互关联，以及这种关系如何依赖于其他变量，我们执行统计分析。这种统计分析有助于可视化趋势并识别数据集中的各种模式。
这些情节将有助于形象化:
- 线图
- 散点图
- 箱线图
- 点图
- 计数图
- 小提琴情节
- 群体图
- 条形图
- KDE 情节
线图:
Lineplot 是最流行的绘制 x 和 y 之间关系的图，可能有几个语义分组。
语法:SNS.line plot(x =无，y =无)
参数:
x，y: 输入数据变量；必须是数字。可以直接传递数据或引用数据中的列。
让我们用线图和熊猫来可视化数据:
例 1:
蟒蛇 3
# import module
import seaborn as sns
import pandas
# loading csv
data = pandas.read_csv("nba.csv")
# ploting lineplot
sns.lineplot( data['Age'], data['Weight'])
输出:
示例 2: 使用色调参数绘制图形。
蟒蛇 3
# import module
import seaborn as sns
import pandas
# read the csv data
data = pandas.read_csv("nba.csv")
# plot
sns.lineplot(data['Age'],data['Weight'], hue =data["Position"])
输出:
散点图:
散点图可以与几个语义分组一起使用，这有助于根据连续/分类数据很好地理解图形。它可以画一个二维图形。
语法: seaborn .散点图(x =无，y =无)
参数: x，y: 输入应该是数值的数据变量。
返回:该方法返回绘制了绘图的坐标轴对象。
让我们用散点图和熊猫来可视化数据:
例 1:
蟒蛇 3
# import module
import seaborn
import pandas
# load csv
data = pandas.read_csv("nba.csv")
# plotting
seaborn.scatterplot(data['Age'],data['Weight'])
输出:
示例 2: 使用色调参数绘制图形。
蟒蛇 3
import seaborn
import pandas
data = pandas.read_csv("nba.csv")
seaborn.scatterplot( data['Age'], data['Weight'], hue =data["Position"])
输出:
箱线图:
一个方框图(或方框-触须图)s 是通过连续/分类数据的四分位数描绘数字数据组的视觉表示。
方框图由 5 个部分组成。
- 最低限度
- 第一个四分位数或 25%
- 中位数(第二四分位数)或 50%
- 第三个四分位数或 75%
- 最高的
语法:
seaborn.box plot(x =无，y =无，色调=无，数据=无)
参数:
- x，y，色调:用于绘制长格式数据的输入。
- 数据:用于绘图的数据集。如果 x 和 y 不存在，这被解释为宽形。
返回:返回绘制了绘图的坐标轴对象。
用熊猫画方框图:
例 1:
蟒蛇 3
# import module
import seaborn as sns
import pandas
# read csv and ploting
data = pandas.read_csv( "nba.csv" )
sns.boxplot( data['Age'] )
输出:
例 2:
蟒蛇 3
# import module
import seaborn as sns
import pandas
# read csv and ploting
data = pandas.read_csv( "nba.csv" )
sns.boxplot( data['Age'], data['Weight'])
输出:
Voilin 情节:
沃伊林情节类似于盒子情节。它显示了跨越一个或多个分类变量的几个定量数据，以便可以比较这些分布。
语法:seaborn.violinplot(x =无，y =无，色相=无，数据=无)
参数:
- x，y，色调:用于绘制长格式数据的输入。
- 数据:用于标绘的数据集。
用熊猫画小提琴剧情:
例 1:
蟒蛇 3
# import module
import seaborn as sns
import pandas
# read csv and plot
data = pandas.read_csv("nba.csv")
sns.violinplot(data['Age'])
输出:
例 2:
蟒蛇 3
# import module
import seaborn
seaborn.set(style = 'whitegrid')
# read csv and plot
data = pandas.read_csv("nba.csv")
seaborn.violinplot(x ="Age", y ="Weight",data = data)
输出:
群体图:
群体图类似于带状图，我们可以针对分类数据绘制具有非重叠点的群体图。
语法:海鸟群图(x =无，y =无，色相=无，数据=无)
参数:
- x，y，色调:用于绘制长格式数据的输入。
- 数据:用于标绘的数据集。
用熊猫画蜂群图:
例 1:
蟒蛇 3
# import module
import seaborn
seaborn.set(style = 'whitegrid')
# read csv and plot
data = pandas.read_csv( "nba.csv" )
seaborn.swarmplot(x = data["Age"])
输出:
例 2:
蟒蛇 3
# import module
import seaborn
seaborn.set(style = 'whitegrid')
# read csv and plot
data = pandas.read_csv("nba.csv")
seaborn.swarmplot(x ="Age", y ="Weight",data = data)
