跳转至

用海底线图进行数据可视化

原文:https://www.geesforgeks.org/data-visualization-with-seaborn-line-plot/

先决条件:

以图形方式呈现数据以发出一些信息被称为数据可视化。它基本上是一个图像,帮助一个人解释数据代表什么,并详细研究它及其性质。逐行处理大规模数据是一项极其繁琐的任务,因此数据可视化是一种理想的选择。

Seaborn 是一个基于 matplotlib 的 Python 库,用于数据可视化。它提供了一种以统计图形式呈现数据的媒介,作为一种提供信息和吸引人的媒介来传递一些信息。

装置

像任何其他 python 库一样,seaborn 可以使用 pip 轻松安装:

pip install seaborn

该库是 Anaconda 发行版的一部分,如果您的 IDE 受 Anaconda 支持,通常只需导入即可,但也可以通过以下命令安装:

conda install seaborn

单线图

单线图使用连接数据点的线在 x-y 轴上显示数据。为了获得图形,Seaborn 附带了一个内置函数来绘制一个名为 line plot()的线图。

语法:线图(x,y,数据)

哪里,

x–x 轴的数据变量

y-y 轴的数据变量

数据- 要绘制的数据

示例:

使用的数据集- 畅销书(图为亚马逊畅销书小说相关数据。)

蟒蛇 3

# import modules
import seaborn as sn
import matplotlib.pyplot as plt
import pandas as pd

# import data
data = pd.read_csv("C:\\Users\\Vanshi\\Desktop\\gfg\\bestsellers.csv")

# selcting required rows and columns
data = data.iloc[2:10, :]

# plotting a single line graph
sn.lineplot(x="Year", y="User Rating", data=data)

# displaying the plot
plt.show()

输出:

设置不同的样式

还可以使用 seaborn 模块本身提供的 set()功能以不同的背景样式显示线图。

语法:

set()

属性:

  • 上下文:绘制上下文参数
  • 风格:定义风格
  • 调色板:设置调色板
  • 字体
  • 字体大小:设置字体大小
  • 颜色代码:如果设置为真,则调色板被激活,颜色的简写符号可以从调色板中重新映射。
  • rc :超越上述参数的参数

示例:

使用的数据集- 累计(数据显示美国宇航局汇编的系外行星空间研究数据集。)

计算机编程语言

import seaborn as sn
import matplotlib.pyplot as plt
import pandas as pd

data = pd.read_csv("C:\\Users\\Vanshi\\Desktop\\gfg\\cumulative.csv")

data = data.iloc[2:10, :]

sn.lineplot(x="kepid", y="koi_duration", data=data, hue="koi_score")
sn.set(style="darkgrid")

plt.show()

输出:

多线绘图

功能有时要求数据相互比较,在这种情况下,可以绘制多个图。多线图有助于区分数据,以便可以相对于其他数据来研究和理解数据。每个线图基本上遵循单线图的概念,但在屏幕上呈现的方式不同。每个数据的线图可以通过改变其颜色、线型、大小或所有列出的内容而变得不同,并且可以使用刻度来读取它。

根据颜色进行区分

lineplot(x、y、data、Hu)

其中,色调决定了数据应该基于哪个变量来显示

示例:

使用的数据集- 累计(数据显示 nasa 编制的系外行星空间研究数据集。)

蟒蛇 3

# import modules
import seaborn as sn
import matplotlib.pyplot as plt
import pandas as pd

# import data
data = pd.read_csv("C:\\Users\\Vanshi\\Desktop\\gfg\\cumulative.csv")

# select required data
data = data.iloc[2:10, :]

# plot data with different color scheme
sn.lineplot(x="kepid", y="koi_period", data=data, hue="koi_score")

# display plot
plt.show()


回到顶部