大学毕业生自主创业,中医中药秘方,与僧侣相交漫画
Python数据分析之seaborn常用方法
%matplotlib inline import matplotlib as mpl from matplotlib import pyplot as plt import seaborn as sns import numpy as np x = np.random.normal(size=100) sns.distplot(x, kde=True) #.分布的集中趋势，反映数据向其中心值靠拢或聚集的程度
我要评论
mean, cov = [0, 1], [(1, .5), (.5, 1)]
data = np.random.multivariate_normal(mean, cov, 200)
df = pd.DataFrame(data, columns=["x", "y"])
x, y = np.random.multivariate_normal(mean, cov, 1000).T
with sns.axes_style("ticks"):
sns.jointplot(x=x, y=y, kind="hex")
#能够更加直观反映点的分布情况
sns.jointplot(x="x", y="y", data=df, kind="kde") #直接拟合概率密度函数
# your code %matplotlib inline import matplotlib as mpl from matplotlib import pyplot as plt import seaborn as sns
data = sns.load_dataset("flights")
data.head()
# 年份，月份，乘客数
# 分析年度乘客总量变化情况（折线图）
plt.rcParams["figure.figsize"] = (12,8)
sns.pointplot(x="year", y="passengers", data=data)
plt.title("The change number of passengers")
plt.grid(True)
# 分析乘客在一年中各月份的分布（柱状图）
sns.set(color_codes=True)
sns.barplot(x="month", y="passengers", hue='year', data=data)
plt.title("The number of passengers every month")
data = sns.load_dataset("iris")
data.head()
#萼片（sepal）和花瓣（petal）的大小关系（散点图）
data.loc[:,'sepal'] = data['sepal_length'] * data['sepal_width']
data.loc[:,'petal'] = data['petal_length'] * data['petal_width']
sns.jointplot(x="sepal", y="petal", data=data)
plt.title("The relation of sepal and petal")
#不同种类鸢尾花萼片和花瓣大小的分布情况（柱状图或者箱式图） sns.boxplot(x='species',y='petal', hue="species",data=data)
#不同种类（species）鸢尾花萼片和花瓣的大小关系（分类散点子图） sns.lmplot(x="sepal", y="petal", hue="species", data=data)
#不同种类（species）鸢尾花萼片和花瓣的大小关系（分类散点子图） sns.stripplot(x='sepal', y='petal', hue='species', data=data) plt.title(u'不同种类鸢尾花萼片和花瓣的大小关系',fontsize=20) plt.xticks(rotation=60)
#小费和总消费之间的关系（散点图） sns.jointplot(x="tip", y="total_bill", data=data)
#男性顾客和女性顾客，谁更慷慨（分类箱式图） sns.boxplot(x="sex", y="tip", data=data) #男性普遍更慷慨一些
#抽烟与否是否会对小费金额产生影响（分类箱式图） sns.boxplot(x="smoker", y="tip", data=data) #抽烟的人更慷慨些
#工作日和周末，什么时候顾客给的小费更慷慨（分类箱式图） sns.boxplot(x="day", y="tip", data=data)
#午饭和晚饭，哪一顿顾客更愿意给小费（分类箱式图） sns.boxplot(x="time", y="tip", data=data)
#就餐人数是否会对慷慨度产生影响（分类箱式图） sns.boxplot(x="size", y="tip", data=data)
#性别+抽烟的组合因素对慷慨度的影响 sns.barplot(x="sex", y="tip", hue="smoker", data=data)
def pile_bar(data,pile_col,clsf_col):
data1 = data.groupby([pile_col,clsf_col])['survived'].count()
data1 = data1.unstack()
data1 = data1/data1.sum()
x_data = range(len(data1.columns))
q = pd.Series([0 for i in x_data])
bottom = q
colors = ['#539caf', '#7663b0','darkorange']
_,axe = plt.subplots()
for c,p in zip(colors,data1.index):
bottom +=q
plt.bar(x_data, data1.loc[p],bottom=bottom,label=p,
width=0.15*len(data1.columns),color=c)
q = data1.loc[p].reset_index()[p]
plt.xlabel(data1.columns.name,fontsize=20)
plt.xticks(x_data,data1.columns, fontsize=15)
plt.ylabel('passengers survived',fontsize=20)
plt.legend(fontsize=15)
axe.spines['top'].set_color(None)
axe.spines['right'].set_color(None)
pile_bar(data,'alive','class')
#不同仓位等级中幸存和遇难的乘客比例（堆积柱状图） data['totle'] = 1 fig, ax = plt.subplots(figsize = (8,5)) sns.barplot(x = "pclass", y = "totle", data = data, color = "r", ax = ax) sns.barplot(x = "pclass", y = "survived", data = data, color = "b", ax = ax)
#不同性别的幸存比例（堆积柱状图） fig, ax = plt.subplots(figsize = (8,5)) sns.barplot(x = "sex", y = "totle", data = data, color = "r", ax = ax) sns.barplot(x = "sex", y = "survived", data = data, color = "b", ax = ax) plt.ylim(0, 1.3)
#幸存和遇难乘客的票价分布（分类箱式图）
sns.boxplot(x="survived", y="fare", data=data)
plt.title('The relation of the fare and the survived')
#不同上船港口的乘客仓位等级分布（分组柱状图） sns.barplot(x="class", y="survived", hue="embarked", data=data)
#单独乘船与否和幸存之间有没有联系（堆积柱状图或者分组柱状图） sns.countplot(x="survived", hue="alone", data=data)
如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复
Python爬虫:Request Payload和Form Data的简单区别说明
浅谈Python中threading join和setDaemon用法及区别说明
Python3-异步进程回调函数(callback())介绍
python继承threading.Thread实现有返回值的子类实例
Python中使用threading.Event协调线程的运行详解
网友评论