可视化库-seaborn-多变量分析绘图(第五天)

1. sns.stripplot(x='data', y='total_bill', data=tips, jitter=True), 画出竖形的样子,jitter=True为了使得数据尽量分开

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)
np.random.seed(sum(map(ord, 'distributions')))

titantic = sns.load_dataset('titanic')
tips = sns.load_dataset('tips')
iris = sns.load_dataset('iris')
# jitter = True 把数据进行一个随机的偏移，使得数据分布清晰
sns.stripplot(x='day', y='total_bill', data=tips, jitter=True)
plt.show()

2. sns.swarmplot画出圣诞树的样子,hue='sex' 加入一种新的分类属性

sns.swarmplot(x='day', y='total_bill', data=tips)
plt.show()
# 在画出圣诞树的同时,通过hue加入一种分类属性
sns.swarmplot(x='day', y='total_bill', data=tips, hue='sex')
plt.show()
# 进行横着绘图
sns.swarmplot(x='total_bill', y='day', data=tips, hue='sex')
plt.show()

3.绘制盒图和小提琴图，加上hue属性,split=True，将hue属性合并

# 盒图
sns.boxplot(x='day', y='total_bill', data=tips, hue='sex')
plt.show()
# 小提琴图
sns.violinplot(x='day', y='total_bill', data=tips, hue='sex')
plt.show()
# split=True将图形不分开
sns.violinplot(x='day', y='total_bill', data=tips, hue='sex', split=True)
plt.show()

4. 将两个图做一个组合， 直接画就可以了

sns.swarmplot(x='day', y='total_bill', data=tips, color='w', alpha=0.4)
sns.violinplot(x='day', y='total_bill', data=tips, inner=None)
plt.show()

5.sns.piontplot() 点图，可以反映变量的变化趋势， 通过palette和markers以及linestyles加上相关的属性

sns.pointplot(x='class', y='survived', hue='sex', data=titantic)
plt.show()
# 在点图的基础上加上颜色，标签，线条风格
sns.pointplot(x='class', y='survived', hue='sex', data=titantic,
              palette={'female':'green', 'male':'blue'},
              markers=['^', 'v'], linestyles=['--', '-'])
plt.show()

6. 使用盒图横着放，来观测数据的分布情况

sns.boxplot(data=iris, orient='h')
plt.show()

7. sns.factorplot 分类属性画图，改变kind可以画出多种类型的图， 不指定绘制的是折线图，也就是点图

sns.factorplot(x='day', y='total_bill', hue='smoker', data=tips)
plt.show()
# 指定kind=bar 变成条形图
sns.factorplot(x='day', y='total_bill', hue='smoker', data=tips, kind='bar')
plt.show()
# 指定kind=box, size表示宽度, aspect表示长宽比
sns.factorplot(x='day', y='total_bill', hue='smoker', data=tips, kind='box', size=4, aspect=1)
plt.show()