快播:python使用seaborn绘图直方图displot,密度图,散点图
(资料图片仅供参考)
目录
一、直方图distplot()二、密度图2.1 单个样本数据分布密度图一、直方图distplot()
import numpy as np import seaborn as sns import matplotlib.pyplot as plt import matplotlib import pandas as pd fig = plt.figure(figsize=(12, 5)) ax1 = plt.subplot(121) rs = np.random.RandomState(10) # 设定随机数种子 s = pd.Series(rs.randn(100) * 100) sns.distplot(s, bins=10, hist=True, kde=True, rug=True, norm_hist=False, color="y", label="distplot", axlabel="x") plt.legend() ax1 = plt.subplot(122) sns.distplot(s, rug=True, hist_kws={"histtype": "step", "linewidth": 1, "alpha": 1, "color": "g"}, # 设置箱子的风格、线宽、透明度、颜色,风格包括:"bar", "barstacked", "step", "stepfilled" kde_kws={"color": "r", "linewidth": 1, "label": "KDE", "linestyle": "--"}, # 设置密度曲线颜色,线宽,标注、线形 rug_kws={"color": "r"}) # 设置数据频率分布颜色 plt.show()
函数及参数介绍:
distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None,hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, color=None, vertical=False, norm_hist=False, axlabel=None, label=None, ax=None)
a 数据源bins 箱数hist、kde、rug 是否显示箱数、密度曲线、数据分布,默认显示箱数和密度曲线不显示数据分析
{hist,kde,rug}_kws 通过字典形式设置箱数、密度曲线、数据分布的各个特征norm_hist 直方图的高度是否显示密度,默认显示计数,如果kde设置为True高度也会显示为密度color 颜色vertical 是否在y轴上显示图标,默认为False即在x轴显示,即竖直显示axlabel 坐标轴标签label 直方图标签
二、密度图
2.1 单个样本数据分布密度图
bor
到此这篇关于python使用seaborn绘图直方图displot,密度图,散点图的文章就介绍到这了,更多相关python seaborn绘图 内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
X 关闭
X 关闭
- 1转转集团发布2022年二季度手机行情报告:二手市场“飘香”
- 2充电宝100Wh等于多少毫安?铁路旅客禁止、限制携带和托运物品目录
- 3好消息!京东与腾讯续签三年战略合作协议 加强技术创新与供应链服务
- 4名创优品拟通过香港IPO全球发售4100万股 全球发售所得款项有什么用处?
- 5亚马逊云科技成立量子网络中心致力解决量子计算领域的挑战
- 6京东绿色建材线上平台上线 新增用户70%来自下沉市场
- 7网红淘品牌“七格格”chuu在北京又开一家店 潮人新宠chuu能红多久
- 8市场竞争加剧,有车企因经营不善出现破产、退网、退市
- 9北京市市场监管局为企业纾困减负保护经济韧性
- 10市场监管总局发布限制商品过度包装标准和第1号修改单