Python数据可视化-seaborn「建议收藏」

10  barplot( )

f, ax=plt.subplots(figsize=(12,20))

#orient=’h’表示是水平展示的，alpha表示颜色的深浅程度
sns.barplot(y=group_df.sub_area.values, x=group_df.price_doc.values,orient=’h’, alpha=0.8, color=’red’)

#设置y轴、X轴的坐标名字与字体大小
plt.ylabel(‘price_doc’, fontsize=16)
plt.xlabel(‘sub_area’, fontsize=16)

#设置X轴的各列下标字体是水平的
plt.xticks(rotation=’horizontal’)

#设置Y轴下标的字体大小
plt.yticks(fontsize=15)
plt.show()

注：如果orient=’v’表示成竖直显示的话，一定要记得y=group_df.sub_area.values, x=group_df.price_doc.values调换一下坐标轴，否则报错

f, ax=plt.subplots(figsize=(12,20))
sns.barplot(y=’area’, x=’fre’,data=df_idcard_city,orient=’h’, color=’red’)
plt.ylabel(‘地域’, fontsize=16)
plt.xlabel(‘频数’, fontsize=16)
plt.xticks(rotation=’horizontal’)
plt.yticks(fontsize=15)
plt.show()

sns.barplot(x="day", y="tip", data=tips, estimator=median)
estimator：表示生成柱状图要调用的函数，同一个x的值是取中位数，还是mean，sum，或者计数(计数的话就等于countplot)
有多种函数可以调用：np.median,np.mean,np.sum,np.count_nonzero(计数)
hue：分组统计

11.countplot () 计数并画成柱状图

sns.countplot(x=“deck”, data=titanic, palette=”Greens_d”)

也可以加hue参数再分类计数。

12、sns.relplot() 

 可视化统计量间的关系（relationship），可以绘制出曲线图，也可以绘制出散点图。

 默认是散点图

sns.relplot(x=’total_bill’, y=’tip’, data=tips)

sns.relplot(x=’total_bill’, y=’tip’,  data=tips, hue=’sex’)

#style表示显示的形状，形状上和hue分别区分显示

sns.relplot(x=’total_bill’, y=’tip’,  data=tips, hue=’size’,style=’sex’)

#用size参数显示大小

sns.relplot(x=’total_bill’, y=’tip’, data=tips, hue=’sex’, size=’size’)

显示曲线图

sns.relplot(x=”timepoint”, y=”signal”, data=fmri, kind=”line”,ci=’sd’) #ci用来控制显示聚合的阴影，不显示则为None即可。

sns.relplot(x=”timepoint”, y=”signal”, data=fmri, kind=”line”,hue=”event”)

sns.relplot(x=”timepoint”, y=”signal”, style=”region”, kind=”line”, data=fmri)

sns.relplot(x=’timepoint’, y=’signal’, hue=’subject’, col=’region’, row=’event’, height=3, kind=’line’, estimator=None, data=fmri)

参考：https://blog.csdn.net/u013317445/article/details/88175366

13、分面网格分类图

sns.catplot(x=‘day’, y=‘tip’, hue=‘sex’, col=‘time’, data=tips)

sns.catplot(x=‘day’, y=‘tip’, hue=‘sex’, col=‘time’, kind =‘violin’, data=tips)

sns.catplot(x=‘day’, y=‘tip’, hue=‘sex’, col=‘time’, row=‘smoker’, data=tips)

sns.catplot(x=‘day’, y=‘tip’, hue=‘sex’, col=‘size’, kind=“bar”, data=tips)

import matplotlib.pyplot as plt
import numpy as np
plt.rc(‘font’, family=’SimHei’, size=13)

num = np.array([13325, 9403, 9227, 8651])
ratio = np.array([0.75, 0.76, 0.72, 0.75])
men = num * ratio
women = num * (1-ratio)
x = [‘聊天’,’支付’,’团购\n优惠券’,’在线视频’]

width = 0.5
idx = np.arange(len(x))
plt.bar(idx, men, width, color=’red’, label=’男性用户’)
plt.bar(idx, women, width, bottom=men, color=’yellow’, label=’女性用户’)  #这一块可是设置bottom,top，如果是水平放置的，可以设置right或者left。
plt.xlabel(‘应用类别’)
plt.ylabel(‘男女分布’)
plt.xticks(idx+width/2, x, rotation=40)

#bar图上显示数字

for a,b in zip(idx,men):

    plt.text(a, b+0.05, ‘%.0f’ % b, ha=’center’, va= ‘bottom’,fontsize=12)
for a,b,c in zip(idx,women,men):
    plt.text(a, b+c+0.5, ‘%.0f’ % b, ha=’center’, va= ‘bottom’,fontsize=12)

plt.legend()
plt.show()

 双Y轴绘图

 本例主要用dataframe的两个列进行双Y轴画图

eng_name,chn_name,GDP,rate
a, 中国,100,0.6
b,美国,180,0.3
c,日本,80,0.2
d,瑞典,65,0.15
f,荷兰,56,0.23

#读取的时候，讲索引列变为chn_name,这样画图时候X轴自动为索引
df=pd.read_csv('b.csv',index_col='chn_name')
df.index.name='国家'#这样x轴的label就变成‘国家了’。

plt.rc('font', family='SimHei', size=13)
plt.figure()  
df['GDP'].plot(kind='bar')  
plt.ylabel('GDP')  
plt.title('国家发展情况对比')  
  
p = df['rate']  
p.plot(color='black',secondary_y=True,style='--o',linewidth=2)  #style--表示虚线，-表示实线
plt.ylabel('增长速度') 

education=df.education.value_counts()
df_education=pd.DataFrame({'education':education.index[1:],'fre':education.values[1:]})
df_education.index=df_education.education
plt.figure()  
df_education.fre.plot(kind='bar')  
plt.ylabel('人数')
plt.xlabel('学历') 
plt.title('学历分布情况')
plt.show()

画饼状图

import numpy as np    
import matplotlib.mlab as mlab    
import matplotlib.pyplot as plt
#根据value_counts（）结果画饼图

Seaborn画多个子图