数据可视化-Seaborn




单变量分布

x1 = np.random.normal(size=1000)
sns.distplot(x1);



直方图

sns.distplot(x1, bins=20, kde=False, rug=True)



核密度估计

sns.distplot(x2, hist=False, rug=True)



sns.kdeplot(x2, shade=True)
sns.rugplot(x2)


双变量分布

df_obj1 = pd.DataFrame({"x": np.random.randn(500),
                   "y": np.random.randn(500)})
                   
  # 散布图
sns.jointplot(x="x", y="y", data=df_obj1)

# 二维直方图
sns.jointplot(x="x", y="y", data=df_obj1, kind="hex");

# 核密度估计
sns.jointplot(x="x", y="y", data=df_obj1, kind="kde");



数据集中变量间关系可视化

# 数据集中变量间关系可视化
dataset = sns.load_dataset("tips")
#dataset = sns.load_dataset("iris")
sns.pairplot(dataset);



类别数据可视化

exercise = sns.load_dataset('exercise')
sns.stripplot(x="diet", y="pulse", data=exercise)



sns.swarmplot(x="diet", y="pulse", data=exercise, hue='kind')



盒子图

sns.boxplot(x="diet", y="pulse", data=exercise)


小提琴图

sns.violinplot(x="diet", y="pulse", data=exercise, hue='kind')



柱状图

sns.barplot(x="diet", y="pulse", data=exercise, hue='kind')



点图

sns.pointplot(x="diet", y="pulse", data=exercise, hue='kind');