在本文中,我们将专注于 Seaborn Distplot的细节。
什么是Seaborn Distplot?
一个 Distplot或分布图,描述了数据分布的变化,Seaborn Distplot代表了连续数据变量的整体分布。
Seaborn 模块与 Matplotlib 模块一起用来描绘其中的不同变异,Distplot 通过 histogram 和与其结合的线来描绘数据。
创建一个海洋分布式
Python Seaborn 模块包含各种函数来绘制数据并描绘数据变异. 使用 `seaborn.distplot() 函数来绘制 distplot. Distplot 代表数据的单变分布,即变量的数据分布与密度分布。
合成:**
1seaborn.distplot()
seaborn.distplot() 函数接受数据变量作为参数,并以密度分布返回序列。
例子一:**
1import numpy as np
2import seaborn as sn
3import matplotlib.pyplot as plt
4
5data = np.random.randn(200)
6res = sn.distplot(data)
7plt.show()
我们使用numpy.random.randn() 函数来生成随机数据值。
出发点:**
例子二:
1import numpy as np
2import seaborn as sn
3import matplotlib.pyplot as plt
4import pandas as pd
5
6data_set = pd.read_csv("C:/mtcars.csv")
7data = pd.DataFrame(data_set['mpg'])
8res = sn.distplot(data)
9plt.show()
pandas.read_csv()函数将数据集加载到 Python 环境中。
出发点:**
将标签添加到DistPlot的轴
Seaborn Distplot 可以通过使用以下语法将数据值转换为 Pandas系列来提供轴的标签:
合成:**
1pandas.Series(data,name='name')
2seaborn.distplot()
Pandas 系列包含一个参数名称,用于设置数据轴的标签。
** 例子:**
1import numpy as np
2import seaborn as sn
3import matplotlib.pyplot as plt
4
5data = np.random.randn(200)
6res = pd.Series(data,name="Range")
7plot = sn.distplot(res)
8plt.show()
出发点:**
Seaborn DistPlot 与 Kernel Density Estimate Plot 相结合
Seaborn Distplot 还可以与 Kernel Density Estimate Plot一起分类,以估计连续变量在各种数据值中分布的概率。
合成:**
1seaborn.distplot(data,kde=True)
kde参数被设置为True,以允许Kernel Density Plot和distplot。
** 例子:**
1import numpy as np
2import seaborn as sn
3import matplotlib.pyplot as plt
4
5data = np.random.randn(100)
6res = pd.Series(data,name="Range")
7plot = sn.distplot(res,kde=True)
8plt.show()
出发点:**
使用Seaborn DistPlot和Rug Plot可视化数据
我们可以将Seaborn Distplot与Rug Plot绘制,以描绘与单变数据变量有关的数据对比分布。
合成:**
1seaborn.distplot(data, rug=True, hist=False)
背部参数必须设置为真实,以便允许地毯的分布。
** 例子:**
1import numpy as np
2import seaborn as sn
3import matplotlib.pyplot as plt
4
5data = np.random.randn(100)
6res = pd.Series(data,name="Range")
7plot = sn.distplot(res,rug=True,hist=False)
8plt.show()
出发点:**
沿垂直轴的Seaborn Distplot
整个Distplot可以用下面的语法绘制到 **y轴上:
合成:**
1seaborn.distplot(data,vertical=True)
必须将垂直参数设置为真实,以便在y轴上绘制分布图。
** 例子:**
1import numpy as np
2import seaborn as sn
3import matplotlib.pyplot as plt
4
5data = np.random.randn(100)
6
7plot = sn.distplot(data,vertical=True)
8
9plt.show()
出发点:**
使用 seaborn.set() 函数设置不同的风格
Seaborn 具有多种内置功能,可为插图添加额外的背景功能. 使用 `seaborn.set() 函数来为分布插图设置不同的背景。
合成:**
1seaborn.set(style)
** 例子**:
1import numpy as np
2import seaborn as sn
3import matplotlib.pyplot as plt
4sn.set(style='dark',)
5data = np.random.randn(500)
6
7plot = sn.distplot(data)
8
9plt.show()
出发点:**
设置自定义颜色到 Seaborn DistPlot
我们可以将不同的颜色设置到 distplot 来添加到数据的可视化中,使用 seaborn.distplot() 函数的``颜色`参数。
合成:**
1seaborn.distplot(data, color='color')
** 例子:**
1import numpy as np
2import seaborn as sn
3import matplotlib.pyplot as plt
4
5sn.set(style='dark',)
6data = np.random.randn(500)
7plot = sn.distplot(data,color='purple')
8
9plt.show()
出发点:**
结论
因此,Seaborn 模块和 Matplotlib 模块有助于数据可视化并描述数据的分布。
我强烈建议所有读者阅读Python Matplotlib模块(/社区/教程/python-matplotlib#python-matplotlib),以了解数据可视化的基础知识。