Python学习笔记数据可视化Seaborn系列—1.2 散点图

最新推荐文章于 2025-02-28 15:30:01 发布

原创最新推荐文章于 2025-02-28 15:30:01 发布 · 1.4k 阅读

5 ·

本内容遵循CC 4.0 BY-SA版权协议

本文介绍了Python数据可视化库Seaborn中的散点图使用方法，包括设置x、y坐标，利用hue、style和size进行分组展示，调整palette颜色以及自定义markers。

1.2 散点图

散点图表示因变量随自变量变化而变化的大致趋势，据此可以选择合适的函数对数据点进行拟合。

（1）函数原型

seaboren.scatterplot(x=None, y=None, hue=None, style=None, size=None, data=None,
                    palette=None, hue_order=None, hue_norm=None, sizes=None, 
                    size_order=None, size_norm=None, markers=True, style_order=None,
                    x_bins=None, y_bins=None, units=None, estimator=None, ci=95, 
                    n_boot=1000, alpha='auto', x_jitter=None, y_jitter=None, 
                    legend='brief', ax=None, **kwargs)

（2）重要参数解读

参数	内涵
x、y	自变量、因变量
hue	根据hue设置的类别，产生颜色不同的点的散点图
style	根据style设置的类别，生成不同的标记点的散点图
size	根据size设置的类别，产生大小不同的点的散点图
palette	设置hue指定的变量的不同级别颜色
markers	使用指定的标记

（3）小案例

import matplotlib.pyplot as plt
import seaborn as sns
sns.set = ("white")

data = sns.load_dataset("tips")
data.head()

在这里插入图片描述
case 1:设置x、y
作用：画一个简单的双变量散点图。

sns.scatterplot( x="total_bill", y="tip",data=data)
plt.show()

在这里插入图片描述
case 2:设置hue
作用：按照hue设置的变量分组，并以不同颜色显示。

sns.scatterplot( x="total_bill", y="tip",hue = "time",data=data)
plt.show()

在这里插入图片描述
（3）设置style
作用：按照style设置的变量分组，以不同标志显示。

sns.scatterplot( x="total_bill", y="tip",hue = "time",style = "time",data=data)
plt.show()

在这里插入图片描述
（4）设置size
作用：按照size设置的变量分组，以不同大小显示。

sns.scatterplot( x="total_bill", y="tip",hue = "time",style = "time",
                size = "time",data = data)
plt.show()

在这里插入图片描述
（5）设置palette
作用：设置hue指定的变量的不同级别颜色。

sns.scatterplot( x="total_bill", y="tip",hue = "time",size = "smoker",
                palette = "Set2",data=data)
plt.show()

在这里插入图片描述
（6）设置markers

markers = {"Lunch": "s", "Dinner": "X"}
sns.scatterplot(x="total_bill", y="tip", hue = "time",style="time",
                markers = markers,data = data)
plt.show()