seaborn 与 iris 数据集

标签：变量   箱线图   int   shu   swa   aaa   ntp   view   估计   

简易用法

sns.scatterplot(x='sepal_length', y='sepal_width', data=df, hue='species', style='species')
sns.lineplot(x=np.linspace(0, 1, 10), y=np.random.rand(10))
sns.relplot(x='sepal_length', y='sepal_width', data=df, hue='species', style='species', col='species')
sns.stripplot(x='species', y='sepal_width', data=df, hue='species', size=4)
sns.swarmplot(x='species', y='sepal_width', data=df, hue='species', size=4)
sns.boxplot(x='species', y='sepal_width', data=df, hue='species')
sns.violinplot(x='species', y='sepal_width', data=df, hue='species')
sns.barplot(x='species', y='sepal_width', data=df, hue='species')
sns.distplot(df.sepal_length, bins=50, rug=True)
sns.kdeplot(df.sepal_length, df.sepal_width, shade=True, cbar=True, cmap='Reds')
sns.jointplot(df.sepal_length, df.sepal_width, kind='kde')
sns.pairplot(df, hue="species")
sns.heatmap(np.random.randn(8, 8), annot=True, annot_kws={'size':9,'weight':'bold', 'color':'w'}, fmt='.2f')
sns.clustermap(df.iloc[:, :4])

Relational plots（关系图）

scatterplot（散点图）

sns.scatterplot(x='sepal_length', y='sepal_width', data=df, hue='species', style='species')

lineplot（线图）

sns.lineplot(x=np.linspace(0, 1, 10), y=np.random.rand(10))

relplot（关系图）

sns.relplot(x='sepal_length', y='sepal_width', data=df, hue='species', style='species', col='species')

Categorical plots（分类图）

Categorical scatterplots（分类散点图）

stripplot（分布散点图）

sns.stripplot(x='species', y='sepal_width', data=df, hue='species', size=4)

swarmplot（分布密度散点图）

sns.swarmplot(x='species', y='sepal_width', data=df, hue='species', size=4)

Categorical distribution plots（分类分布图）

boxplot（箱线图）

sns.boxplot(x='species', y='sepal_width', data=df, hue='species')

violinplot（小提琴图）

sns.violinplot(x='species', y='sepal_width', data=df, hue='species')

Categorical estimate plots（分类估计图）

barplot（条形图）

sns.barplot(x='species', y='sepal_width', data=df, hue='species')

Distribution plots（分布图）

distplot（直方图）

sns.distplot(df.sepal_length, bins=50, rug=True)

kdeplot（核密度图）

sns.kdeplot(df.sepal_length, df.sepal_width, shade=True, cbar=True, cmap='Reds')

jointplot（联合分布图）

sns.jointplot(df.sepal_length, df.sepal_width, kind='kde')

pairplot（变量关系组图）

sns.pairplot(df, hue="species")

Matrix plots（矩阵图）

heatmap（热力图）

data = np.random.randn(8, 8)
sns.heatmap(data, annot=True, annot_kws={'size':9,'weight':'bold', 'color':'w'}, fmt='.2f')

clustermap（聚类图）

sns.clustermap(df.iloc[:, :4])

seaborn 与 iris 数据集

标签：变量   箱线图   int   shu   swa   aaa   ntp   view   估计   

原文地址：https://www.cnblogs.com/luyunan/p/12254445.html