【Python】数据可视化之分类图

目录

条形图

箱形图

散点图

分簇散点图

小提琴

分簇小提琴


条形图

条形图是一种直观的图表形式,它通过不同长度的矩形条(即“条形”)来展示数值变量的中心趋势估计值,其中每个矩形的高度直接对应于该组数据的某个中心量度(如均值、中位数等)。此外,为了向观众传达关于这些中心趋势估计值可靠性的额外信息,条形图上常附有误差线。这些误差线提供了关于估计值周围不确定性的视觉指示,帮助理解数据的变异性或抽样误差可能如何影响这些中心趋势的估计。

也可以表示标准误差(Standard Error, SE)、置信区间(Confidence Interval, CI)或其他统计度量,它们均反映了估计值的不确定性范围。例如,一个95%的置信区间误差线会展示一个范围,该范围在多次重复相同研究的情况下,有95%的机会包含真实的中心趋势值。这样的表示不仅展示了数据的中心位置,还通过误差线直观地揭示了围绕这一中心位置的不确定性程度。

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
crashes = sns.load_dataset("car_crashes").sort_values("total", ascending=False)
# 初始化画布大小
f, ax = plt.subplots(figsize=(15, 15))
# 绘出总的交通事故
sns.set_color_codes("pastel")
# 绘制条形图,x轴为alcohol,y轴为abbrev,数据为crashes,标签为Total,颜色为r
sns.barplot(x="total", y="abbrev", data=crashes, label="Total", color="r")
# 设置颜色代码
sns.set_color_codes("bright")
# 绘制条形图,x轴为alcohol,y轴为abbrev,数据为crashes,标签为Alcohol-involved,颜色为r
sns.barplot(x="alcohol", y="abbrev", data=crashes, label="Alcohol-involved", color="r")
# 设置图例,每行2列,位置在右下角,边框显示
ax.legend(ncol=2, loc="lower right", frameon=True)
# 设置x轴范围,y轴标签为空,x轴标签为“Automobile collisions per billion miles”
ax.set(xlim=(0, 24), ylabel="",xlabel="Automobile collisions per billion miles")

箱形图

箱形图,亦称为盒须图、盒式图或箱线图,是一种在统计学和数据可视化领域广泛应用的图形工具,用于直观地展示和比较一组或多组数据的分布特征。通过紧凑而富有信息量的方式,将数据的最大值、最小值、中位数、以及上四分位数和下四分位数等重要统计量呈现在简洁的图形之中。广泛应用于各种领域,如质量控制、经济学、生物学、医学研究等,帮助研究人员和分析师快速识别数据中的模式、异常值和分布特征,为进一步的统计分析和决策制定提供有力支持。

  • 中位数(Median):箱形图中的中心线代表数据集的中位数,即将数据集排序后位于中间的数值,反映了数据的中心趋势。

  • 四分位数(Quartiles)

    • 下四分位数(Q1):位于数据集25%处的数值,即至少有25%的数据小于或等于这个值。
    • 上四分位数(Q3):位于数据集75%处的数值,即至少有75%的数据小于或等于这个值。
      四分位数与中位数一起,将数据集分为四个等量的部分,反映了数据的分布范围。
  • 箱体(Box):由下四分位数和上四分位数构成的矩形区域,表示数据的主要集中范围。箱体的高度反映了数据的中间50%的离散程度。

  • 须(Whiskers):从箱体的上下两端延伸出的线段,通常表示数据的最小值和最大值(或根据特定规则调整后的值,如使用1.5倍四分位距来排除异常值)。须的长度显示了数据分布的极端值范围。

  • 异常值(Outliers):通常定义为超出须范围的数据点,以单独的点或符号表示,它们可能由于测量错误、数据录入错误或极端事件而产生。

# 加载tips数据集
tips = sns.load_dataset("tips")
# 绘制嵌套的箱线图,按日期和时间显示账单
# x轴为日期,y轴为账单,hue为是否吸烟,颜色分别为m和g
sns.boxplot(x="day", y="total_bill", hue="smoker", palette=["r", "b"], data=tips)
# 去除图表的边框,偏移量为10,去除多余的边框
sns.despine(offset=10, trim=True)

散点图

点图作为一种数据可视化工具,核心在于展示数值变量在不同分类级别上的中心趋势估计。通过点的位置,能够直观地把握各分类下的数值分布情况。此外,点图还巧妙地运用误差线来标示这些中心趋势估计的不确定性范围,提供了更为全面的数据解读视角。与条形图相比,点图在聚焦于分类变量不同级别之间的比较时往往更具优势。它们不仅能够清晰地展示各分类下的数值水平,还能够在有限的空间内容纳更多的信息点,适合于展示较为复杂的数据集。

点图在展现交互作用方面表现出色。它们能够直观地揭示一个分类变量的各个层次如何随着第二个分类变量的变化而变化,这种变化关系通过点图中点的位置及其连线得以生动展现。特别是当使用不同色调来区分不同组别时,连接相同色调等级点的线条能够清晰地显示出斜率的变化,从而更容易地捕捉到不同组别间交互作用的微妙差异。

import pandas as pd
import seaborn as sns
# 设置图形风格
sns.set(style="ticks")
# 加载iris数据集
iris = sns.load_dataset("iris")
# 将数据格式调整
iris = pd.melt(iris, "species", var_name="measurement")
# 初始化图形
f, ax = plt.subplots()
# 移除图形的底部和左侧的边框
sns.despine(bottom=True, left=True)
# 绘制条形图
# 使用seaborn库中的stripplot函数绘制散点图
# x参数指定x轴的数据,y参数指定y轴的数据,hue参数指定颜色映射,data参数指定数据集
# dodge参数指定是否在x轴上分散,jitter参数指定是否在y轴上抖动,alpha参数指定透明度,zorder参数指定绘图顺序
sns.stripplot(x="value", y="measurement", hue="species",data=iris, dodge=True, jitter=True,alpha=.5, zorder=1)
# 显示条件平均数
# 使用seaborn库中的pointplot函数绘制点图
# x参数指定x轴的数据,y参数指定y轴的数据,hue参数指定颜色映射,data参数指定数据集
# dodge参数指定点之间的间隔,join参数指定是否连接点,palette参数指定颜色调色板
# markers参数指定点的形状,scale参数指定点的大小,ci参数指定置信区间
sns.pointplot(x="value", y="measurement", hue="species",data=iris, dodge=.532, join=False, palette="dark",markers="s", scale=1, ci=True)
# 图例设置
handles, labels = ax.get_legend_handles_labels()
# 设置图例的位置和样式
# 添加图例,handles为图例的句柄,labels为图例的标签,title为图例的标题
# handletextpad为图例文本与句柄之间的距离,columnspacing为图例列之间的距离
# loc为图例的位置,ncol为图例的列数,frameon为是否显示图例的边框
ax.legend(handles[3:], labels[3:], title="species",handletextpad=0.05, columnspacing=0.05,loc="upper left", ncol=1, frameon=True)

分簇散点图

分簇散点图Swarmplot,是一种用于展示分类变量和数值变量之间关系的数据可视化图表类型,特别适用于探索多个分类级别下数据的分布情况,简单说就是数据点不重叠的分类散点图swarmplot()作为可视化的工具,不仅能够单独使用来展现数据的分类特征,还常作为箱形图(Boxplot)或小提琴图(Violin Plot)的补充手段。箱形图虽然能概括数据的四分位数范围,但无法展示所有具体数据点;小提琴图则通过密度估计展示了数据分布的形状,但在数据点较少时可能不够直观。而Swarmplot则巧妙地填补了这一空白,它直接展示所有数据点,同时通过其独特的布局方式保留了数据的基本分布特征,使得用户能够同时获得宏观与微观的数据洞察。

import pandas as pd
import seaborn as sns
# 设置绘图风格和调色板
sns.set(style="whitegrid", palette="bright")
# 加载数据集
iris = sns.load_dataset("iris")
# 处理数据集,将species列作为索引,var_name为measurement
iris = pd.melt(iris, "species", var_name="measurement")
# 绘制分类散点图,x轴为measurement,y轴为value,hue为species,调色板为b、c、y
sns.swarmplot(x="measurement", y="value", hue="species", palette=["b", "c", "y"], data=iris)

小提琴

小提琴图(Violin Plot)是一种高级的数据可视化工具,它巧妙地展示了定量数据在单个或多个分类变量不同层级上的分布情况,并允许对这些分布进行直观的比较。与箱形图(Box-plot)不同,小提琴图不仅仅依赖于几个关键统计量(如中位数、四分位数)来描绘数据分布,而是采用了更为细腻的方法——核密度估计(Kernel Density Estimation, KDE),来描绘数据的潜在分布形态。

核密度估计是一种非参数方法,用于估计随机变量的概率密度函数。在小提琴图中,这一技术被用来绘制每个分类层级下数据的“密度轮廓”,即数据点在不同值域上的相对频率或概率分布。这种表示方式不仅展示了数据的中心趋势(如中位数附近的密集区域),还揭示了数据的整体形状、对称性、多峰性以及可能的异常值区域,从而提供了比箱形图更为丰富和细致的数据分布信息。

小提琴图的优势在于其能够同时展示数据的分布形态和密度信息,使得观察者能够更全面地理解数据在不同分类层级下的变异性和相似性。此外,小提琴图还常常与箱形图结合使用,即在每个小提琴图内部绘制对应的箱形图组件(如中位数线、四分位数范围等),以提供额外的统计量参考和异常值标识。

import numpy as np
import seaborn as sns
# 生成模拟数据集
# 创建一个随机数生成器,种子为0
rs = np.random.RandomState(0)
# 定义样本数量和特征数量
n, p = 40, 8
# 生成一个40行8列的随机正态分布矩阵,均值为0,标准差为2
d = rs.normal(0, 2, (n, p))
# 对矩阵中的每个元素进行操作,加上-5乘以特征索引再加10
d += np.log(np.arange(1, p + 1)) * -5 + 10
# 使用cubehelix获得自定义的顺序调色板
pal = sns.cubehelix_palette(p, rot=-.8, dark=.6)
# 使用小提琴图和圆点展现每种分布
sns.violinplot(data=d, palette=pal, inner="point")

分簇小提琴

分簇小提琴图(Clustered Violin Plot)是一种特殊的小提琴图变种,它结合了小提琴图的分布展示能力与分簇图的比较功能,用于在同一图表中比较多个组别或分类变量下的数据分布情况。其通过并排展示多个小提琴图(每个小提琴代表一个组别或类别),来同时比较不同组别下定量数据的分布形态和密度。每个小提琴的内部结构与标准小提琴图相同,包括核密度估计曲线、可能的箱线图元素(如中位数、四分位数等),以及表示数据密度的宽度变化。

# 导入seaborn库
import seaborn as sns
# 加载tips数据集
tips = sns.load_dataset("tips")
# 绘制一个嵌套的小提琴图,并拆分小提琴以便于比较
# 使用seaborn库绘制小提琴图
# x轴为day,y轴为total_bill,根据smoker进行分组
# split参数为True,表示将不同组的数据分开绘制
# inner参数为"quart",表示在小提琴内部绘制四分位数
# palette参数为字典,表示不同组的数据使用不同的颜色
# data参数为tips,表示使用tips数据集
sns.violinplot(x="day", y="total_bill", hue="smoker",split=True, inner="quart",palette={"Yes": "g", "No": "y"},data=tips)
# 去除左边框
sns.despine(left=True)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/418250.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

2024 年高教社杯全国大学生数学建模竞赛B题第三问详细解题思路(终版)

示例代码: import numpy as np import pandas as pd# 参数设定 params {m: 8, # 零配件数量n: 2, # 半成品数量p: [0.10, 0.10, 0.10, 0.10, 0.10, 0.10, 0.10, 0.10], # 零配件次品率c: [2, 8, 12, 2, 8, 12, 8, 12], # 购买单价d: [1, 1, 2, 1, 1, 2, 1, 2]…

《python语言程序设计》第8章第12题生物信息:找出基因,生物学家使用字母A C T和G构成字符2串建模一个基因组(上)

草稿一、用单一方法遍历文本 9.1代码 genome_text TTATGTTTTAAGGATGGGGCGTTAGTTdef div_word(word_to_judge):len_num len(word_to_judge)save_word ""if len_num % 3 0:print("This word is valid")if save_word.find("ATG") "ATG&qu…

以太网--TCP/IP协议(二)

上文中讲述了IP协议,本文主要来讲一下TCP协议。 TCP协议 (1)端到端通信 直接把源主机应用程序产生的数据传输到目的主机使用这 些数据的应用程序中,就是端到端通信。 (2)传输层端口 公认端口&#xff0…

统计学习方法与实战——统计学习方法之感知机

感知机 感知机三要素分析模型策略损失函数选择 算法原始形式对偶形式 相关问题 例子iris数据集分类实战数据集查看 显示结果sklearn 实战感知机 习题解答习题2.1解题步骤反证法 习题2.2习题2.3凸壳线性可分线性可分证明凸壳不相交证明充分性:凸壳不相交\Rightarrow⇒…

【优化】Nginx 配置页面请求不走缓存 浏览器页面禁用缓存

【优化】Nginx 配置页面请求不走缓存 禁用缓存 目录 【优化】Nginx 配置页面请求不走缓存 禁用缓存 对所有请求禁用缓存 对特定location禁用缓存 注意事项 全局禁用缓存 要配置Nginx使其不缓存内容,通常是指禁止浏览器缓存响应的内容,或者是在代理…

Java语言程序设计基础篇_编程练习题**17.21 (十六进制编辑器)

目录 题目:**17.21 (十六进制编辑器) 代码示例 结果展示 题目:**17.21 (十六进制编辑器) 编写一个 GUI 应用程序,让用户在文本域输入一个文件名,然后按回车键,在文本域显示它的十六进制表达形式。用户也可以修改十六…

HarmonyOS 是如何实现一次开发多端部署

一次开发多端部署遇到的几个关键问题 为了实现“一多”的目标,需要解决如下三个基础问题: 问题1:页面如何适配 不同设备间的屏幕尺寸、色彩风格等存在差异,页面如何适配。 问题2:功能如何兼容 不同设备的系统能力…

glsl着色器学习(九)屏幕像素空间和设置颜色

在上一篇文章中,使用的是裁剪空间进行绘制,这篇文章使用屏幕像素空间的坐标进行绘制。 上一篇的顶点着色器大概是这样子的 回归一下顶点着色的主要任务: 通常情况下,顶点着色器会进行一系列的矩阵变换操作,将输入的顶…

【笔记-流程记录】从零开始做一个人形怪兽(建模阶段)

大型 1.第一步还是找素模,打开材质球,吸管点一下,就会出现素模的贴图,一共有四个 比如,点进去第一个,再点漫反射,再点psd就会得到相应的贴图 2.然后我们依然是面片然后插入参考图 如果透视窗口…

KEIL中编译51程序 算法计算异常的疑问

KEIL开发 51 单片机程序 算法处理过程中遇到的问题 ...... by 矜辰所致前言 因为产品的更新换代, 把所有温湿度传感器都换成 SHT40 ,替换以前的 SHT21。在 STM32 系列产品上的替换都正常,但是在一块 51 内核的无线产品上面,数据…

高逼格、有难度、较前沿的商业计划书撰写策略

正在创业的老板们注意啦!在实施创业计划之前,一定要先写一份商业计划书。它不仅是获得投资的关键,更是梳理创业思路、明确发展方向的重要工具。通过撰写商业计划书,你可以更清晰地了解市场需求、竞争状况、产品定位等关键信息&…

腾讯地图SDK Android版开发 10 InfoWindow

腾讯地图SDK Android版开发 10 InfoWindow 前言介绍默认风格自定义样式实现方式交互操作播放信息窗口的动画开启多窗口模式 相关类和接口默认样式MarkerOptions 类Marker 类TencentMap类TencentMap.OnInfoWindowClickListener 接口类 自定义样式TencentMap 类TencentMap.InfoWi…

SealSuite 一站式 IT 管理与办公安全解决方案,助力出海企业夯实数字化底座

数字化办公时代,企业升级 IT 基础设施,已不再是选择题,而是必答题。 数字化办公时代,企业为何要升级 IT 基础设施? 随着时代变化与科技进步,人们的工作方式也发生了巨大变化。如今,远程办公、全…

C#编程语言及.NET 平台快速入门指南

Office Word 不显示 Citavi 插件,如何修复?_citavi安装后word无加载项-CSDN博客 https://blog.csdn.net/Viviane_2022/article/details/128946061?spm1001.2100.3001.7377&utm_mediumdistribute.pc_feed_blog_category.none-task-blog-classify_ta…

重生奇迹MU老大哥剑士职业宝刀未老

重生奇迹MU中,老大哥剑士职业一直以来备受玩家们的喜爱。这个职业不仅拥有强大的攻击力、防御力和战斗技巧,而且还能够通过使用各种宝刀来增强自身的战斗能力。即便经过了多年的沉淀,老大哥剑士依然是一名宝刀未老的男人,仍然能够…

Java项目: 基于SpringBoot+mybatis+maven学科竞赛管理系统(含源码+数据库+毕业论文)

一、项目简介 本项目是一套基于SpringBootmybatismaven学科竞赛管理系统 包含:项目源码、数据库脚本等,该项目附带全部源码可作为毕设使用。 项目都经过严格调试,eclipse或者idea 确保可以运行! 该系统功能完善、界面美观、操作简…

性能测试经典案例解析——政务查询系统

各位好,我是 道普云 一站式云测试SaaS平台。一个在软件测试道路上不断折腾十余年的萌新。 欢迎关注我的主页 道普云 文章内容具有一定门槛,建议先赞再收藏慢慢学习,有不懂的问题欢迎私聊我。 希望这篇文章对想提高软件测试水平的你有所帮…

linux 安装sar工具,centos7-sar工具的安装过程及其简单应用(1)

10时02分44秒 bond0 0.00 0.00 0.00 0.00 0.00 0.00 0.00 10时02分44秒 vnet3 1.00 8.50 0.19 5.52 0.00 0.00 0.00 10时02分44秒 eth0 19.00 11.50 2.83 2.31 …

通俗易懂理解Hive四种排序

前言 Hive的四种排序包括Sort By、Order By、Distribute By和Cluster By。有关这四种排序的区别,在大数据面试中可能会经常被问到,在我们很多人的实际应用中可能最常用的就是全局排序order by,因此对于其他几个排序理解并不准确,…