python 图形练习

使用NumPy和matplotlib.pyplot模块生成随机分数的直方图。具体来说，它从0到100之间随机生成50个整数作为分数，然后使用plt.hist()函数绘制直方图，并设置bins参数为8以将数据分成8个组。histtype参数被设置为'stepfilled'以显示填充的轮廓。最后，使用plt.title()设置图形的标题，并使用plt.show()显示直方图。

import numpy as np

import matplotlib .pyplot as plt

scores = np.random.randint(0,100,50)

plt.hist(scores,bins=8,histtype='stepfilled')

plt.title('37')

plt.show() # 直方图

使用NumPy和matplotlib.pyplot模块生成基于x轴坐标和三个y轴坐标数组的堆叠面积图。具体来说，它创建了一个长度为6的x数组，并创建了3个y值数组y1、y2和y3。然后使用plt.stackplot()函数绘制堆叠区域图。最后，使用plt.title()设置图形的标题，并使用plt.show()显示堆叠面积图。

import numpy as np

import matplotlib .pyplot as plt

x = np.arange(6)

y1 = np.array([1,4,3,5,6,7])

y2 = np.array([3,3,3,5,6,9])

y3 = np.array([1,2,3,5,6,7])

plt.stackplot(x,y1,y2,y3)

plt.title('37')

plt.show() #堆叠面积图

使用Seaborn和matplotlib.pyplot模块生成鸢尾花数据集（iris）的小提琴图。具体来说，它使用sns.load_dataset()函数加载名为“ iris”的数据集，并将其存储在名为df的DataFrame中。然后使用sns.violinplot()函数绘制小提琴图，其中x轴为物种（species），y轴为萼片长度（sepal_length）。最后，使用plt.show()显示小提琴图。

import seaborn as sns

import matplotlib .pyplot as plt

#加载数据

df = sns.load_dataset('iris',data_home='seaborn-data',cache=True)

# 绘图显示

sns.violinplot(x=df['species'],y=df["sepal_length"])

plt.show() # 小提琴图 01

用Seaborn和matplotlib.pyplot模块生成鸢尾花数据集（iris）的核密度估计图。具体来说，它使用sns.load_dataset()函数加载名为“ iris”的数据集，并将其存储在名为df的DataFrame中。然后使用sns.kdeplot()函数绘制核密度估计图，其中y轴为密度值，x轴为萼片宽度（sepal_width）。最后，使用plt.show()显示核密度估计图。

import seaborn as sns

import matplotlib .pyplot as plt

#加载数据

df = sns.load_dataset('iris', data_home='seaborn-data', cache=True)

# 绘图显示

sns.kdeplot(df["sepal_width"])

plt.show() # 核密度估计图 02

使用seaborn中的distplot函数创建sepal_length列的直方图。并将其赋值给变量df。所加载的iris数据集包含4个特征变量和1个响应变量（即品种类别）。其中，参数a指定要绘制直方图的数据，参数hist为True表示显示直方图，否则只显示核密度估计。

import numpy as np

import matplotlib .pyplot as plt

#加载数据

df = sns.load_dataset('iris', data_home='seaborn-data',cache=True)

# 绘图显示

sns.distplot(a=df["sepal_length"],hist=True)

plt.show() # 直方图 03

使用numpy和matplotlib库，以及seaborn库加载鸢尾花数据集并创建箱形图。它使用seaborn中的boxplot函数创建一个由物种（species）为x轴、萼片长度（sepal_length）为y轴的箱形图，并使用matplotlib的pyplot模块显示出来。

import numpy as np

import matplotlib .pyplot as plt

#加载数据

df = sns.load_dataset('iris',data_home='seaborn-data', cache=True)

sns.boxplot(x=df["species"],y=df["sepal_length"])

plt.show() # 箱形图 04

使用seaborn库和matplotlib库，以及seaborn中的load_dataset函数加载鸢尾花数据集并创建散点图。它使用seaborn中的regplot函数创建一个以萼片长度（sepal_length）为x轴、以萼片宽度（sepal_width）为y轴的散点图，并使用matplotlib的pyplot模块显示出来。

import seaborn as sns

import matplotlib.pyplot as plt

df = sns.load_dataset('iris',data_home='seaborn-data', cache=True)

sns.regplot(x=df["sepal_length"], y=df["sepal_width"])

plt.show() # 散点图 06

使用seaborn库和pandas库，创建一个随机的5x5数据框，并使用seaborn中的heatmap函数创建一个热力图。该热力图显示了数据框中各个数值的大小，颜色越深表示数值越大。最后使用matplotlib的pyplot模块显示出来。

import seaborn as sns

import pandas as pd

import numpy as np

df = pd.DataFrame(np.random.random((5, 5)), columns=["a", "b", "c", "d", "e"])

pl = sns.heatmap(df)

plt.show() # 矩形热力图 07

使用seaborn库和matplotlib库，以及seaborn中的load_dataset函数加载鸢尾花数据集并创建相关向图。它使用seaborn中的pairplot函数创建一个包含数据框中所有的数值变量两两之间关系的散点图矩阵，并使用matplotlib的pyplot模块显示出来。

import seaborn as sns

import matplotlib.pyplot as plt

# 加载数据

df = sns.load_dataset('iris', data_home='seaborn-data', cache=True)

# 绘图显示

sns.pairplot(df)

plt.show() # 相关向图 08