文章目录

• 一、seaborn概述
• 二、数据整理
• • 01 折线图
  • 02 柱形图
  • 03 直方图
• 三、绘图
• • 01 设定调色盘
  • 02 柱状图
  • 03 技术图
  • 04 点图
  • 05 箱型图
  • 06 小提琴图
  • 07 双变量分布图
  • 08 其余图形展示

一、seaborn概述 Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图。详情请查阅官网：seaborn
二、数据整理

import seaborn as sns import numpy as np import matplotlib as mpl from matplotlib import pyplot as plt import pandas as pd from datetime import datetime,timedelta %matplotlib inline plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号 from datetime import datetime

films=['穿过寒冬拥抱你','反贪风暴5：最终章','李茂扮太子','误杀2','以年为单位的恋爱','黑客帝国：矩阵重启','雄狮少年','魔法满屋','汪汪队立大功大电影','爱情神话'] regions=['中国','英国','澳大利亚','美国','美国','中国','英国','澳大利亚','美国','美国'] bos=['61,181','44,303','42,439','22,984','13,979','61,181','44,303','41,439','20,984','19,979'] persons=['31','23','56','17','9','31','23','56','17','9'] prices=['51','43','56','57','49','51','43','56','57','49'] showdate=['2022-12-03','2022-12-05','2022-12-01','2022-12-02','2022-11-05','2022-12-03','2022-12-05','2022-12-01','2022-12-02','2022-11-05'] ftypes=['剧情','动作','喜剧','剧情','剧情','爱情','动作','动画','动画','动画'] points=['8.1','9.0','7.9','6.7','3.8','8.1','9.0','7.9','6.7','3.8'] filmdescript={ 'ftypes':ftypes, 'bos':bos, 'prices':prices, 'persons':persons, 'regions':regions, 'showdate':showdate, 'points':points }

import numpy as np import pandas as pd cnbo2021top5=pd.DataFrame(filmdescript,index=films) cnbo2021top5[['prices','persons']]=cnbo2021top5[['prices','persons']].astype(int) cnbo2021top5['bos']=cnbo2021top5['bos'].str.replace(',','').astype(int) cnbo2021top5['showdate']=cnbo2021top5['showdate'].astype('datetime64') cnbo2021top5['points']=cnbo2021top5['points'].apply(lambda x:float(x) if x!='' else 0)

cnbo2021top5

文章图片

# 常用调色盘 r_hex = '#dc2624'# red,RGB = 220,38,36 dt_hex = '#2b4750'# dark teal, RGB = 43,71,80 tl_hex = '#45a0a2'# teal,RGB = 69,160,162 r1_hex = '#e87a59'# red,RGB = 232,122,89 tl1_hex = '#7dcaa9'# teal,RGB = 125,202,169 g_hex = '#649E7D'# green,RGB = 100,158,125 o_hex = '#dc8018'# orange,RGB = 220,128,24 tn_hex = '#C89F91'# tan,RGB = 200,159,145 g50_hex = '#6c6d6c'# grey-50,RGB = 108,109,108 bg_hex = '#4f6268'# blue grey, RGB = 79,98,104 g25_hex = '#c7cccf'# grey-25,RGB = 199,204,207

color=['#dc2624' ,'#2b4750','#45a0a2','#e87a59','#7dcaa9','#649E7D','#dc8018','#C89F91','#6c6d6c','#4f6268','#c7cccf'] sns.set_palette(color)

01 折线图

def sinplot(flip=1): x = np.linspace(0, 14, 100) for i in range(1, 7): plt.plot(x, np.sin(x + i * .5) * (7 - i) * flip) sinplot() # 对两种画图进行比较 fig = plt.figure() sns.set() sinplot()

文章图片

plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号 plt.figure(figsize=(14,8)) plt.title("中国电影票房2021top10") plt.xlabel("电影名称") plt.ylabel("电影票房") sns.lineplot(data=https://www.it610.com/article/cnbo2021top5[['bos']]) plt.xticks(rotation=45)

文章图片

02 柱形图

cnbo2021top5ftgb=cnbo2021top5.groupby(['ftypes'])['bos','persons','prices','points'].mean() cnbo2021top5ftgb=cnbo2021top5ftgb.reset_index().replace() cnbo2021top5ftgb

文章图片

### 02 条形图 plt.figure(figsize=(14,8)) plt.title("中国电影票房2021top10") sns.barplot(x=cnbo2021top5ftgb['ftypes'],y=cnbo2021top5ftgb['persons']) plt.xlabel("电影类型") plt.ylabel("场均人次") plt.xticks(rotation=45) plt.show()

文章图片

03 直方图

### 03 直方图 plt.figure(figsize=(14,8)) plt.title("中国电影票房2021top10") sns.histplot(x=cnbo2021top5['bos'],bins=15) # x=cnbo2021top5ftgb['ftypes'],y=cnbo2021top5ftgb['persons'] plt.xlabel("电影类型") plt.ylabel("场均人次") plt.xticks(rotation=45) plt.show()

文章图片

三、绘图 上面的数据只有十部电影，而下面的数据是我整理出来的电影数据：
Excel：300部电影数据整理

import pandas as pd cnboo=pd.read_excel("cnboNPPD1.xlsx") cnboo

文章图片

01 设定调色盘

# 设定调色盘 sns.set_palette(color) sns.palplot(sns.color_palette(color,11)) # 表示11种颜色

文章图片

02 柱状图

sns.set_palette(color) sns.palplot(sns.color_palette(color,11)) plt.figure(figsize=(25,20)) plt.title('电影票房') plt.xticks(rotation=45) sns.barplot(x='TYPE', y='PRICE', hue='TYPE', data=https://www.it610.com/article/cnboo)

文章图片

03 技术图

sns.set_palette(color) sns.palplot(sns.color_palette(color,11)) plt.figure(figsize=(15,10)) plt.title('电影票房') plt.xticks(rotation=45) sns.countplot(x='TYPE',data=https://www.it610.com/article/cnboo)

文章图片

04 点图

sns.set_palette(color) sns.palplot(sns.color_palette(color,11)) plt.figure(figsize=(15,10)) plt.title('电影票房') plt.xticks(rotation=45) sns.pointplot(x='TYPE',y='PRICE',data=https://www.it610.com/article/cnboo) plt.show()

文章图片

sns.set_palette(color) sns.palplot(sns.color_palette(color,11)) plt.figure(figsize=(25,10)) plt.title('电影票房') plt.xticks(rotation=45) sns.pointplot(x='TYPE',y='PRICE',hue='REGION',data=https://www.it610.com/article/cnboo) plt.show()

文章图片

05 箱型图

### 05 箱型图 sns.set_palette(color) sns.palplot(sns.color_palette(color,11)) plt.figure(figsize=(35,10)) plt.title('电影票房') plt.xticks(rotation=45) sns.boxplot(x='TYPE',y='PERSONS',hue='REGION',data=https://www.it610.com/article/cnboo) # ,markers=['^','o'],linestyles=['-','--'] plt.show() # 图中的单个点代表在此数据当中的异常值

文章图片

06 小提琴图

### 06 小提琴图 sns.set_palette(color) sns.palplot(sns.color_palette(color,11)) plt.figure(figsize=(35,10)) plt.title('电影票房') plt.xticks(rotation=45) sns.violinplot(x='TYPE',y='PRICE',hue='REGION',data=https://www.it610.com/article/cnboo) # ,markers=['^','o'],linestyles=['-','--'] plt.show()

文章图片

绘制横着的小提琴图：

sns.set_palette(color) sns.palplot(sns.color_palette(color,11)) plt.figure(figsize=(35,10)) plt.title('电影票房') plt.xticks(rotation=45) sns.violinplot(x='PERSONS',y='PRICE',hue='REGION',data=https://www.it610.com/article/cnboo,orient='h') plt.show()

文章图片

07 双变量分布图

sns.set_palette(color) plt.figure(figsize=(15,7)) # plt.xticks(rotation=45) sns.jointplot(x='BO',y='PRICE',data=https://www.it610.com/article/cnboo).fig.suptitle("电影票房与票价的双变量分布图",va='top',y=1.05) plt.show()

文章图片

sns.set_palette(color) plt.figure(figsize=(15,7)) # plt.xticks(rotation=45) snsfig=sns.jointplot(x='PERSONS',y='BO',data=https://www.it610.com/article/cnboo,color='g',s=50,edgecolor='black',linewidth=1,alpha=0.7,space=0.1,kind='scatter',height=6,ratio=5,marginal_kws=dict(bins=10,rug=True)) snsfig.fig.suptitle("电影场均人次与票价的双变量分布图",va='top',y=1.05) plt.show()

文章图片

sns.set_palette(color) plt.figure(figsize=(15,7)) # plt.xticks(rotation=45) snsfig=sns.jointplot(x='PERSONS',y='BO', data=https://www.it610.com/article/cnboo,color='g', edgecolor='black',linewidth=1,alpha=0.7, space=0.1,kind='hex',height=6,joint_kws=dict(gridsize=20), # gridsize越小，网格越大 ratio=5,marginal_kws=dict(bins=10,rug=True)) #bins=10:表示分成10个柱 snsfig.fig.suptitle("电影场均人次与票价的双变量分布图",va='top',y=1.05) plt.show()

文章图片


文章图片

sns.set_palette(color) plt.figure(figsize=(15,7)) snsfig=sns.jointplot(x='PERSONS',y='BO', data=https://www.it610.com/article/cnboo,color='g', edgecolor='black',linewidth=1,alpha=0.7, space=0.1,kind='hex',height=6,joint_kws=dict(gridsize=40), # gridsize越小，网格越大 ratio=5,marginal_kws=dict(bins=10,rug=True,color='r',hist_kws={'edgecolor':'b'})) #bins=10:表示分成10个柱 ,且这里的color控制柱形图的颜色 snsfig.fig.suptitle("电影场均人次与票价的双变量分布图",va='top',y=1.05) plt.show()

文章图片

sns.set_palette(color) plt.figure(figsize=(15,7)) # plt.xticks(rotation=45) snsfig=sns.jointplot(x='PERSONS',y='BO', data=https://www.it610.com/article/cnboo,color='g', #edgecolor='black',linewidth=1,alpha=0.7, space=0.1,kind='kde', joint_kws=dict(gridsize=40), # gridsize越小，网格越大 ratio=5,) #bins=10:表示分成10个柱 ,且这里的color控制柱形图的颜色 snsfig.fig.suptitle("电影场均人次与票价的双变量分布图",va='top',y=1.05) plt.show()

文章图片

08 其余图形展示

sns.set_palette(color) plt.figure(figsize=(15,7)) snsfig=sns.jointplot(x='PERSONS',y='BO', data=https://www.it610.com/article/cnboo,color='g', space=0.1,kind='kde', joint_kws=dict(gridsize=40), # gridsize越小，网格越大 ratio=5,) #bins=10:表示分成10个柱 ,且这里的color控制柱形图的颜色 snsfig.fig.suptitle("电影场均人次与票价的双变量分布图",va='top',y=1.05) snsfig.plot_joint(plt.scatter,c='r',s=20,linewidth=1,marker=".") plt.show()

文章图片

sns.kdeplot(cnboo['BO'])

文章图片

sns.kdeplot(cnboo['BO'],shade=True) # 填充阴影

文章图片

sns.kdeplot(cnboo['PRICE'],shade=True,bw=.05)# 核密度区间的设置

文章图片


文章图片

sns.kdeplot(cnboo['PRICE'],shade=True); sns.kdeplot(cnboo['PERSONS'],shade=True);

文章图片

sns.jointplot(x=cnboo['PERSONS'],y=cnboo['PRICE'],kind='kde',color="grey",space=0)

文章图片

y1=cnboo['BO'] y2=cnboo['PRICE'] y3=cnboo['PERSONS']

from scipy.stats import gamma sns.distplot(y2,kde=False,fit=stats.gamma)

文章图片

sns.kdeplot(y2,shade=True) sns.kdeplot(y2,bw=0.2,label="bw:0.2"); sns.kdeplot(y2,bw=0.05,label="bw:0.05"); plt.legend()

文章图片

f,ax=plt.subplots(figsize=(10,10)) cmap=sns.cubehelix_palette(as_cmap=True,dark=0,light=1,reverse=False) sns.kdeplot(y2,y3,cmap=cmap,n_level=20,shade=True)

文章图片

f,ax=plt.subplots(figsize=(10,10)) cmap=sns.cubehelix_palette(as_cmap=True,dark=0,light=1,reverse=True) sns.kdeplot(y2,y3,cmap=cmap,n_level=20,shade=True)

文章图片

f,ax=plt.subplots(figsize=(10,7)) sns.kdeplot(y2,y3,shade=True,ax=ax) sns.rugplot(y3,vertical=True,ax=ax) sns.rugplot(y2,color='g',ax=ax)

文章图片

snspairdf=cnboo[['PERSONS','PRICE','BO']] sns.pairplot(snspairdf)

文章图片

g=sns.pairplot(snspairdf) g.map_diag(sns.kdeplot) g.map_offdiag(sns.kdeplot,cmpap='Blues_d',n_levels=6)

文章图片

g=sns.pairplot(snspairdf,kind='reg') g.map_diag(sns.kdeplot) g.map_offdiag(sns.kdeplot,cmpap='Blues_d',n_levels=6)

【Matplotlib|Python matplotlib seaborn（学习笔记）】
文章图片

推荐阅读

• 

  五味
• 

  激光能去除肥胖纹吗视频 激光能去除肥胖纹吗
• 

  原味烤肉制作方法 原味烤肉的制作方法
• 

  房间里面有老鼠怎么办
• 

  有没有好点收益高的副业项目？
• 

  年收入是指纯收入，年收入是什么意思
• 

  松下洗衣机烘干为什么出水,首先原因要搞清
• 

  读地图分析,如何读地图获取信息
• 

  3d|2千档高质价比手机推荐：骁龙870+三星屏+65W，真我真牛
• 

  刑事自诉案件的范围是什么
• 

  生理盐水洗鼻子可以预防新冠肺炎吗
• 

  胚芽燕麦粥
• 

  辰辉的寓意
• 

  健康工作远离疼痛现在要坐好
• 

  被子晒多久比较好
• 

  头孢料酒会有反应吗
• 

  鹌鹑鸟怎么养 鹌鹑鸟如何饲养
• 

  人成长分为哪些阶段
• 

  如何鉴别建兰国魂真假 如何鉴别建兰国魂真假
• 

  回归模型结果分析方法,ABC态度模型分析方法和运用

• Phthon|Python词云
• 大数据分析|Python matplotlib plotly
• Phthon|Python matplotlib 堆叠图
• 解释器
• 构建python基础镜像
• java|C++模板笔记
• javascript|JavaScript之变量作用域的介绍
• Python ＂爬虫＂出发前的装备之简单实用的 Requests 模块
• 机器学习|机器学习入门 05 —— Pandas使用