Python編程使用matplotlib挑鉆石seaborn畫圖的示例分析

小編給大家分享一下Python編程使用matplotlib挑鉆石seaborn畫圖的示例分析，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

seaborn是matplotlib的補(bǔ)充包，提供了一系列高顏值的figure，并且集成了多種在線數(shù)據(jù)集，通過sns.load_dataset()進(jìn)行調(diào)用，可供學(xué)習(xí)，如果網(wǎng)絡(luò)不穩(wěn)定，可下載到本地，然后在調(diào)用的時(shí)候使用把cache設(shè)為True。

scatter_plot

官方的示例就很不錯(cuò)，繪制了diamonds數(shù)據(jù)集中的鉆石數(shù)據(jù)。diamonds中總共包含十項(xiàng)數(shù)據(jù)，分別是重量/克拉、切割水平、顏色、透明度、深度、table、價(jià)格以及x、y、z方向的尺寸。

我們可以先來看看x和y方向的尺寸是否有一定的相關(guān)性

import seaborn as sns
import matplotlib.pyplot as plt
# 本地加載數(shù)據(jù)集
dia = sns.load_dataset("diamonds",data_home="seaborn-data", cache=True)
# 以上幾行代碼后面不再重復(fù)書寫
sns.scatterplot(x=dia['x'],y=dia['y'],size=5)
plt.show()  #用于顯示圖片，后文就不寫了

其中x，y分別代表x軸和y軸數(shù)據(jù)，可見一般鉆石還是比較規(guī)則的。

官方畫廊繪制的圖像如下

這個(gè)圖的橫坐標(biāo)是重量(克拉)，縱坐標(biāo)是價(jià)格，我們發(fā)現(xiàn)鉆石商人大多有強(qiáng)迫癥，因?yàn)?.0克拉、1.5克拉、1.0克拉這種整十整五的鉆石比周圍重量的鉆石更多。。。

f, ax = plt.subplots(figsize=(6.5, 6.5))
sns.set_theme()
sns.despine(f, left=True, bottom=True)
clarity =  ["I1", "SI2", "SI1", "VS2", "VS1", "VVS2", "VVS1", "IF"]   #顏色深淺的順序
sns.scatterplot(x="carat", y="price",         #聲明x軸和y軸的值
    hue="clarity", size="depth",  #clarity和depth分別調(diào)控顏色和尺寸
    palette="ch:rot=-.2,d=.3_r",    #調(diào)色板
    style_order=clarity,sizes=(1,10), #顏色標(biāo)識(shí)的順序和尺寸范圍
    linewidth=0,data=dia, ax=ax)
plt.show()

首先，set_theme用于設(shè)置主題，其中style可以輸入字符串或者字典，可調(diào)整主題風(fēng)格。

其次，palette代表顏色映射，當(dāng)其輸入值為字符串時(shí)，其含義為

sizes用于調(diào)整點(diǎn)的尺寸，當(dāng)設(shè)置size時(shí)，將size中的值對(duì)應(yīng)到ssizes中從而繪圖。

我們注意到鉆石屬性中有一個(gè)是切割水平，那么接下來繪制一下切割水平和價(jià)格的關(guān)系。

fig, ax = plt.subplots(figsize=(6.5, 6.5))
sns.set_theme()
sns.despine(fig, left=True, bottom=True)
sns.scatterplot(data = dia, x="carat", y="price",
    ,hue='cut',
    linewidth=0)
plt.show()

果然把漸變顏色去掉之后顏值狂掉，但同時(shí)可以發(fā)現(xiàn)，這個(gè)very good顯然不是最好的切割等級(jí)，畢竟在3.0克拉級(jí)別的鉆石中，有一顆very good級(jí)別的鉆石買到了最低價(jià)。GIA評(píng)估的鉆石等級(jí)為Excellent，Very Good，Good，F(xiàn)air到最差Poor，可能在這個(gè)數(shù)據(jù)集中，ideal就代表了Excellent吧。

lmplot

如果想更準(zhǔn)確地觀察cut對(duì)鉆石價(jià)格的影響，可以通過lmplot在散點(diǎn)圖的基礎(chǔ)上繪制一個(gè)趨勢(shì)線出來。

sns.lmplot(data=dia, x="carat", y="price",hue='cut',markers = '.')
plt.show()

這樣一看就發(fā)現(xiàn)果然ideal的鉆石是最好的。

jointplot

以上諸圖，都是消費(fèi)者最關(guān)心的問題——價(jià)格、尺寸以及透明度等。但商家最關(guān)心的可能是價(jià)格、重量與銷售量的關(guān)系，這就涉及到一個(gè)分布的問題。而seaborn提供了一個(gè)非常好的雙變量關(guān)系圖——jointplot，效果如下

可見，還是便宜的鉆石比較火爆，代碼分別為

# 左圖代碼
sns.jointplot(data=dia, x="carat", y="price",xlim=(0,3),ylim=(0,17500), ratio=10,kind='hex',color="#4CB391")
# 右圖代碼
sns.jointplot(data=dia, x="carat", y="price",hue='cut', xlim=(0,3),ylim=(0,17500), ratio=10,marker='.')

其中，kind用于更改圖像的風(fēng)格，sns提供了六種風(fēng)格："scatter"   "kde"   "hist"    "hex"    "reg"     "resid"。

以上是“Python編程使用matplotlib挑鉆石seaborn畫圖的示例分析”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對(duì)大家有所幫助，如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道！