[PYTHON] Wie benutzt man Seaboan?
1. Zweck
Notieren Sie sich, wie das Diagramm in Jupyter mithilfe der Bibliothek Seaborn angezeigt wird.
2. Inhalt
2-1 Zeitreihendaten anzeigen.
Zeichnen Sie mit SEABORN ein Zeitreihendiagramm.
sample.py
import datetime
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import seaborn as sns
#Definieren Sie einen Datensatz.(Das Datum ist Datum / Uhrzeit.Beschreiben Sie in datetime. Notiert im Datumstyp)
dat = [
[datetime.datetime(2020,1,1),4,10],
[datetime.datetime(2020,1,2),7,7],
[datetime.datetime(2020,1,3),10,4],
[datetime.datetime(2020,1,4),13,2],
[datetime.datetime(2020,1,5),17,1],
[datetime.datetime(2020,1,6),12,4],
[datetime.datetime(2020,1,7),9,3],
[datetime.datetime(2020,1,8),7,8],
[datetime.datetime(2020,1,9),5,9],
[datetime.datetime(2020,1,10),3,12],
]
dat=pd.DataFrame(dat,columns=["DATE","Y","Z"])
dat.set_index("DATE",inplace=True) #Stellen Sie das auf der horizontalen Achse angezeigte Datum auf den Index des DataFrame ein.
print(dat)
fig = sns.mpl.pyplot.figure() #Erstellen Sie ein Objekt, um das Diagramm zu zeichnen.
ax = fig.add_subplot(111) #Stellen Sie den Bereich ein, in dem das Diagramm angezeigt werden soll(Anzahl der Zeilen,Anzahl der Spalten,Zieldiagrammnummer)
ax.plot(dat['Y'], label='Y',markersize=10,c="blue",marker="o") #Geben Sie Daten ein und zeigen Sie ein Diagramm an.
ax.plot(dat['Z'], label='Z',markersize=10,c="red",marker="o") #Geben Sie Daten ein und zeigen Sie ein Diagramm an.
ax.legend() #Zeichne eine Legende
#Einstellungen für das Grafikformat(Stellen Sie die Datumsanzeigemethode auf der horizontalen Achse ein.)
days = mdates.DayLocator(bymonthday=None, interval=2, tz=None) #Horizontale Achse: "Täglich" wird angezeigt.(Ohne diese Zeile wird das Datum dupliziert)
daysFmt = mdates.DateFormatter('%Y-%m-%d') #Horizontale Achse: Format Y.-M-Auf D setzen.
ax.xaxis.set_major_locator(days) #Zeigen Sie das Datum auf der horizontalen Achse an.
ax.xaxis.set_major_formatter(daysFmt) #Zeigen Sie das Datum auf der horizontalen Achse an.
fig.autofmt_xdate() #Das Datum auf der horizontalen Achse ist geneigt, damit es leicht zu sehen ist.
#Geben Sie dem Diagramm einen Namen
ax.set_xlabel('Date') #Stellen Sie den Titel der X-Achse ein
ax.set_ylabel('Y') #Stellen Sie den Titel der Y-Achse ein
plt.title(r"TEST",fontname="MS Gothic") #Legen Sie den Titel des Diagramms fest. Bei der Angabe von Japanisch muss der Schriftname angegeben werden
#Stellen Sie die Größe des Diagramms ein
fig.set_figheight(10)
fig.set_figwidth(20)
#Stellen Sie den Anzeigebereich auf der horizontalen Achse ein
ax.set_xlim(datetime.datetime(2020,1,1), datetime.datetime(2020,1,12))
Ausführungsergebnis
python
Y Z
DATE
2020-01-01 4 10
2020-01-02 7 7
2020-01-03 10 4
2020-01-04 13 2
2020-01-05 17 1
2020-01-06 12 4
2020-01-07 9 3
2020-01-08 7 8
2020-01-09 5 9
2020-01-10 3 12
2-2 Zeigen Sie die Streukartendaten an.
sample.py
import seaborn as sns
sns.set_style("whitegrid")
df1 = pd.DataFrame({'X': [1, 2, 3,4,5],'Y': [4, 5.5, 6.2,7.3,7.8]})
sns.regplot('X', 'Y', data=df1,fit_reg=False)
ax.set_yscale("log") #Notieren Sie die Y-Achse im Protokoll.
ax.set_xlim(0, 5) #Stellen Sie den Bereich der X-Achse ein.
ax.set_ylim(1, 10) #Stellen Sie den Bereich der Y-Achse ein.
Referenz https://pythondatascience.plavox.info/seaborn/%E6%95%A3%E5%B8%83%E5%9B%B3%E3%83%BB%E5%9B%9E%E5%B8%B0%E3%83%A2%E3%83%87%E3%83%AB
2-3 Erstellen Sie ein Streudiagramm mit einem Histogramm.
sample.py
import pandas as pd
import numpy as np
#Erstellen Sie Daten zum Testen.(Es werden Zufallszahlen generiert, die einer zweidimensionalen Normalverteilung folgen.)
mean=[0,0]
cov=[[1,0],[0,10]]
dset=np.random.multivariate_normal(mean,cov,1000) #Generieren Sie 1000 Daten
df=pd.DataFrame(dset,columns=['X','Y'])
#Stellen Sie den Hintergrund auf Weiß ein
sns.set(style="white", color_codes=True)
#Ausgabediagramm
sns.jointplot(x="X", y="Y", data=df)
2-4 Ordnen Sie mehrere Diagramme an
sample.py
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
#Erstellen Sie Daten zum Testen.(Es werden Zufallszahlen generiert, die einer zweidimensionalen Normalverteilung folgen.)
mean=[0,0]
cov=[[1,0],[0,10]]
dset=np.random.multivariate_normal(mean,cov,1000) #Generieren Sie 1000 Daten
df0=pd.DataFrame(dset,columns=['X','Y'])
df1=pd.DataFrame(dset,columns=['X','Y'])
fig,(axis1,axis2)=plt.subplots(1,2,sharey=True) #Erstellen Sie einen 1-mal-2-Diagrammplatzierungsort
sns.regplot('X','Y',df0,ax=axis1)
sns.regplot('X','Y',df0,ax=axis2)
2-5 Zeichnen Sie 1-Punkt-Daten.
Verwenden Sie zum Zeichnen nur eines Punktes .plot, da das Replot nicht verwendet werden kann (Datensatz).
sample.py
import numpy as np
import pandas as pd
import seaborn as sns
#Definition von Beispieldaten
dat = [
[1,8],
[4,2],
[7,6],
[4,8],
[20,15],
[3,7]
]
dat1=[[4,4]]
df0 = pd.DataFrame(dat,columns=["X","Y"]) #1. Datensatz
df1 = pd.DataFrame(dat1,columns=["X","Y"]) #Zweiter Datensatz
ax=sns.regplot('X', 'Y', data=df0,fit_reg=False) #1. Datensatz
ax.set_xlim(0, 5) #Stellen Sie den Bereich der X-Achse ein.
ax.set_ylim(1, 10) #Stellen Sie den Bereich der Y-Achse ein.
#Zeichnen Sie den zweiten Datensatz.
#Wenn Sie nur einen Punkt zeichnen, können Sie Replot nicht verwenden.(Datensatz).Plot verwenden.
df1.plot(kind="scatter",x="X", y="Y",s=500,c="yellow",marker="*", alpha=1, linewidths=2,edgecolors="red",ax=ax)
#s ist die Größe der Marke,Alpha ist Transparenz(0:Transparent,1：不Transparent)
Ausführungsergebnis
3 Statistische Verarbeitungsmethode
3-1 So schreiben Sie eine Kerneldichtefunktion
Beschreibung der Kerneldichtefunktion https://www.ie-kau.net/entry/kernel_density_est
/home/sampletest/sample.py
from numpy.random import randn
import seaborn as sns
import numpy as np
dataset=randn(100) #Generieren Sie 100 Zufallszahlen, die einer gleichmäßigen Verteilung folgen.
sns.kdeplot(dataset)
sns.rugplot(dataset,color='black') #Ich zeichne einen Datensatz.
for bw in np.arange(0.5,2.5,0.5): #Bandbreite 0.5,1.0,1.5,2.Schreiben Sie die Kerneldichtefunktion, indem Sie sie auf 0 ändern
sns.kdeplot(dataset,bw=bw,label=bw)
Recommended Posts