seaborn 思维导图模板_ProcessOn思维导图、流程图

seaborn绘制统计图形

安装

pip3 install seaborn

导入

import seaborn as sns

绘制单变量分布

seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None, color=None)

（1）a：表示要观察的数据，可以是 Series、一维数组或列表。

(2) bins：用于控制条形的数量。

(3) hist：接收布尔类型，表示是否绘制(标注)直方图。

(4) kde：接收布尔类型，表示是否绘制高斯核密度估计曲线。

(5) rug：接收布尔类型，表示是否在支持的轴方向上绘制rugplot

绘制双变量分布

seaborn.jointplot(x, y, data=None, kind='scatter', stat_func=None, color=None, ratio=5, space=0.2, dropna=True)

(1) kind：表示绘制图形的类型。

(2) stat_func：用于计算有关关系的统计量并标注图。

(3) color：表示绘图元素的颜色。

(4) size：用于设置图的大小(正方形)。

(5) ratio：表示中心图与侧边图的比例。该参数的值越大，则中心图的占比会越大。

(6) space：用于设置中心图与侧边图的间隔大小

绘制图像

绘制散点图

sns.jointplot(x="x", y="y", data=dataframe_obj)

绘制二维直方图

二维直方图类似于“六边形”图，主要是因为它显示了落在六角形区域内的观察值的计数，适用于较大的数据集

sns.jointplot(x="x", y="y", data=dataframe_obj, kind="hex")

绘制核密度估计图形

sns.jointplot(x="x", y="y", data=dataframe_obj, kind="kde")

绘制成对的双变量分布

sns.pairplot(dataset)

用分类数据绘图

类别散点图

seaborn.stripplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, jitter=False)

(1) x，y，hue：用于绘制数据的输入。

(2) data：用于绘制的数据集。

(3) jitter：表示抖动的程度(仅沿类別轴)。当很多数据点重叠时，可以指定抖动的数量或者设为True使用默认值

swarmplot0函数绘制散点图

sns.swarmplot(x="day", y="total_bill", data=tips)

类别内的数据分布

箱形图

箱形图（Box-plot）又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名

它能显示出一组数据的最大值、最小值、中位数、及上下四分位数。

分支主题

API

seaborn.boxplot(x=None, y=None, hue=None, data=None, orient=None, color=None, saturation=0.75, width=0.8)

(1) palette：用于设置不同级别色相的颜色变量。---- palette=["r","g","b","y"]

(2) saturation：用于设置数据显示的颜色饱和度。---- 使用小数表示

小提琴图

用于显示数据分布及其概率密度

这种图表结合了箱形图和密度图的特征，主要用来显示数据的分布形状。

中间的黑色粗条表示四分位数范围，从其延伸的幼细黑线代表 95% 置信区间，而白点则为中位数。

箱形图在数据显示方面受到限制，简单的设计往往隐藏了有关数据分布的重要细节

分支主题

API

seaborn.violinplot(x=None, y=None, hue=None, data=None)

类别内的统计估计

绘制条形图

sns.barplot(x="day", y="total_bill", data=tips)

绘制点图

sns.pointplot(x="day", y="total_bill", data=tips)

案例：NBA球员数据分析

思路

获取数据

球员数据分析

数据相关性

基本数据排名分析

seaborn可视化方法

单变量

双变量

多变量

衍生变量可视化

球队数据分析

球队薪资排行

球队综合实力排名

利用箱线图和小提琴图进行数据分析

北京租房数据统计分析

(1)统计每个区域的房源总数量，并使用热力图分析房源位置分布情况。

(2)使用条形图分析哪种户型的数量最多、更受欢迎。

(3)统计每个区域的平均租金，并结合柱状图和折线图分析各区域的房源数量和租金情况。

(4)统计面积区间的市场占有率，并使用饼图绘制各区间所占的比例

分析的流程

数据基本介绍

数据读取

数据预处理

重复值和空值处理

数据转换类型

图标分析

房源数量、位置分布分析

户型数量分析

平均租金分析

面积区间分析