[PYTHON] Übersicht und Tipps von Seaborn mit statistischer Datenvisualisierung
seaborn: Python-Datenvisualisierungsbibliothek. High-Level-API. Wunderschönen.
0. Verwendung mit Matplotlib
-
Verwenden Sie "Seaborn", wenn es von "Seaborn" zubereitet wird. Wenn nicht, zeichnen Sie mit
matplotlib. -
Auch wenn Sie mit
matplotlibzeichnen, ist es besser ,seabornfür den Stil zu verwenden (es wird nur durch Importieren festgelegt)
1. Stileinstellungen
Ich benutze oft Standard oder "Weiß" für Stil. Passen Sie font_scale an, indem Sie sich die Abbildung ansehen.
import seaborn as sns
sns.set(style="white", font_scale=1.3, palette="muted", color_codes=True)
2. Überprüfen Sie, ob Sie mit Seaborn tun können, was Sie wollen
Sehen Sie sich die Seite Galerie des offiziellen Dokuments an. (Da die Funktionen, die verwendet werden können, auf Folgendes beschränkt sind, müssen Sie sich den Link nicht ansehen, wenn Sie sich vorstellen können, was Sie mit dem Funktionsnamen tun können. Sie können die Details des Arguments mit der Hilfefunktion von ipython überprüfen.)
Visualisierung der Verteilung
Funktion
- distplot : 1-dim.
- jointplot : 2-dim.
- pairplot : k-dim.
- Heatmap: Korrelationsmatrix
Streit --kde: Schätzung der Kerneldichte --hist: Histogramm --hue: Verteilungsschätzung nach Bedingung
Rückkehr
Funktion
- lmplot: Rückkehr mit Konfidenzintervall
Streit
- Reihenfolge: Polypoly-Regression --logistic: Logistische Rückgabe --hue: Bedingte Regression (Spalte, Zeile)
Kategoriale Daten
Funktion
- Stripplot, Schwarmplot: Streudiagramm
- Boxplot, Violinplot: Verteilungsvisualisierung
- Barplot, Countplot, Pointplot: Visualisierung statistischer Eigenschaften
- Faktorplot (Farbton = 'Schlüssel'): Bedingte Visualisierung statistischer Eigenschaften
3. Andere
Lesen Sie den Datensatz von seaborn
#Datensatzliste: https://github.com/mwaskom/seaborn-data
sns.load_dataset('titanic')
Wellenentfernung
sns.despine() #Oben und rechts
sns.despine(left=True) #Auch links
color palettes
#Aktuelle Farbkarte
cmap_current = sns.color_palette()
sns.palplot(cmap_current)
#Neue Farbkarte
#Referenz: http://seaborn.pydata.org/tutorial/color_palettes.html
#Beispiel: key = "set1" (categorical), "Blues" (sequential)
num = 8
cmap = sns.color_palette(key, num)
sns.palplot(cmap)