Python编程使用matplotlib挑钻石seaborn画图入门教程

 更新时间:2021年10月25日 09:21:35   作者:微小冷  
这篇文章主要为大家介绍了Python编程中使用matplotlib绘图包来挑出完美的钻石,本篇是seaborn包画图使用入门篇,有需要的朋友可以借鉴参考下

挑钻石第二弹

seaborn是matplotlib的补充包,提供了一系列高颜值的figure,并且集成了多种在线数据集,通过sns.load_dataset()进行调用,可供学习,如果网络不稳定,可下载到本地,然后在调用的时候使用把cache设为True

scatter_plot

官方的示例就很不错,绘制了diamonds数据集中的钻石数据。diamonds中总共包含十项数据,分别是重量/克拉、切割水平、颜色、透明度、深度、table、价格以及x、y、z方向的尺寸。

我们可以先来看看xy方向的尺寸是否有一定的相关性

import seaborn as sns
import matplotlib.pyplot as plt
# 本地加载数据集
dia = sns.load_dataset("diamonds",data_home="seaborn-data", cache=True)
# 以上几行代码后面不再重复书写
sns.scatterplot(x=dia['x'],y=dia['y'],size=5)
plt.show()  #用于显示图片,后文就不写了

在这里插入图片描述

其中xy分别代表x轴和y轴数据,可见一般钻石还是比较规则的。

官方画廊绘制的图像如下

在这里插入图片描述

这个图的横坐标是重量(克拉),纵坐标是价格,我们发现钻石商人大多有强迫症,因为2.0克拉、1.5克拉、1.0克拉这种整十整五的钻石比周围重量的钻石更多。。。

f, ax = plt.subplots(figsize=(6.5, 6.5))
sns.set_theme(style="whitegrid")
sns.despine(f, left=True, bottom=True)
clarity =  ["I1", "SI2", "SI1", "VS2", "VS1", "VVS2", "VVS1", "IF"]   #颜色深浅的顺序
sns.scatterplot(x="carat", y="price",         #声明x轴和y轴的值
    hue="clarity", size="depth",  #clarity和depth分别调控颜色和尺寸
    palette="ch:rot=-.2,d=.3_r",    #调色板
    style_order=clarity,sizes=(1,10), #颜色标识的顺序和尺寸范围
    linewidth=0,data=dia, ax=ax)
plt.show()

首先,set_theme用于设置主题,其中style可以输入字符串或者字典,可调整主题风格。

其次,palette代表颜色映射,当其输入值为字符串时,其含义为

缩写 取值范围
start s [0,3] 渐变始点颜色
rot r 用于调控色相
gamma g 不小于0 小于1时,提高暗部;大于1时,加强高光
hue h [0,1] Saturation of the colors.
dark d [0,1] 最暗处的强度
light l [0,1] 最亮处颜色的强度

sizes用于调整点的尺寸,当设置size时,将size中的值对应到ssizes中从而绘图。

我们注意到钻石属性中有一个是切割水平,那么接下来绘制一下切割水平和价格的关系。

fig, ax = plt.subplots(figsize=(6.5, 6.5))
sns.set_theme(style="whitegrid")
sns.despine(fig, left=True, bottom=True)
sns.scatterplot(data = dia, x="carat", y="price",
    style="cut",hue='cut',
    linewidth=0)
plt.show()

果然把渐变颜色去掉之后颜值狂掉,但同时可以发现,这个very good显然不是最好的切割等级,毕竟在3.0克拉级别的钻石中,有一颗very good级别的钻石买到了最低价。GIA评估的钻石等级为Excellent,Very Good,Good,Fair到最差Poor,可能在这个数据集中,ideal就代表了Excellent吧。

在这里插入图片描述

lmplot

如果想更准确地观察cut对钻石价格的影响,可以通过lmplot在散点图的基础上绘制一个趋势线出来。

sns.lmplot(data=dia, x="carat", y="price",hue='cut',markers = '.')
plt.show()

在这里插入图片描述

这样一看就发现果然ideal的钻石是最好的。

jointplot

以上诸图,都是消费者最关心的问题——价格、尺寸以及透明度等。但商家最关心的可能是价格、重量与销售量的关系,这就涉及到一个分布的问题。而seaborn提供了一个非常好的双变量关系图——jointplot,效果如下

在这里插入图片描述在这里插入图片描述

可见,还是便宜的钻石比较火爆,代码分别为

# 左图代码
sns.jointplot(data=dia, x="carat", y="price",xlim=(0,3),ylim=(0,17500), ratio=10,kind='hex',color="#4CB391")
# 右图代码
sns.jointplot(data=dia, x="carat", y="price",hue='cut', xlim=(0,3),ylim=(0,17500), ratio=10,marker='.')

其中,kind用于更改图像的风格,sns提供了六种风格:"scatter"   "kde"   "hist"    "hex"    "reg"     "resid"。

以上就是Python编程使用matplotlib挑钻石seaborn画图入门的详细内容,更多关于matplotlib挑钻石seaborn画图入门的资料请关注脚本之家其它相关文章!

相关文章

最新评论