5-3 可視化庫Seaborn-變量分析繪圖
In [1]:
%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats,integrate
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)
#生成高斯數據隨機種子
np.random.seed(sum(map(ord,"distributions")))
1.簡單的單變量數據特徵繪圖javascript
- 直方圖：顯示數據範圍裏的數據個數
- kde:核密度估計
In [2]:
x=np.random.normal(size=100)
#畫直方圖bins自動分組
sns.distplot(x,kde=False)
Out[2]:
在distplot()中改變bins的個數，將數據分紅30組css
In [3]:
sns.distplot(x,bins=30,kde=False)
Out[3]:
2.查看數據分佈狀況html
In [4]:
x=np.random.gamma(6,size=200)
sns.distplot(x,kde=False,fit=stats.gamma)#fit=stats.gamma是擬合統計的曲線
Out[4]:
3.根據均值和協方差生成數據html5
In [5]:
mean,cov=[0,1],[(1,.5),(.5,1)]
data=np.random.multivariate_normal(mean,cov,200)
df=pd.DataFrame(data,columns=["x","y"])
df
Out[5]:
4.觀測兩個變量之間的分佈關係最好用散點圖python
In [6]:
sns.jointplot(x="x",y="y",data=df)
Out[6]:
5.數據量大時經過顏色深淺來判別每一個區域的密度jquery
- kind：指定繪圖方式有{ 「scatter」 | 「reg」 | 「resid」 | 「kde」 | 「hex」 }這幾種
In [7]:
x,y=np.random.multivariate_normal(mean,cov,2000).T
with sns.axes_style("white"):#指定風格
sns.jointplot(x=x,y=y,kind="hex",color="k")
In [8]:
sns.jointplot(x=x,y=y,kind="kde",color="k")
Out[8]:
In [9]:
sns.jointplot(x=x,y=y,kind="reg",color="k")
Out[9]:
5.用鳶尾花數據來繪製兩個變量間的關係圖linux
In [10]:
iris=sns.load_dataset("iris")
sns.pairplot(iris)
Out[10]:
相關文章
- 1. 5-5 可視化庫Seaborn-多變量分析繪圖
- 2. 5-6 可視化庫Seaborn-Facetgrid使用和繪製多變量
- 3. Python統計分析可視化庫——seaborn
- 4. Python統計分析可視化庫seaborn(相關性圖，變量分佈圖，箱線圖等等)
- 5. 5-7 可視化庫Seaborn-熱度圖繪製
- 6. 圖表可視化--Seaborn
- 7. python可視化分析（matplotlib、seaborn、ggplot2）
- 8. Seaborn--多變量分析（四）
- 9. Seaborn--單變量分析（三）
- 10. 可視化繪圖分析（一）
- 更多相關文章...
- • R 繪圖 - 餅圖 - R 語言教程
- • SQLite 視圖（View） - SQLite教程
- • Git可視化極簡易教程 — Git GUI使用方法
- • Git五分鐘教程
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
