Pandas 如何和Seaborn生成散点图

散点图是一种以单个图形显示两个变量值的数据图形表示形式。在Python中，可以使用pandas和seaborn库轻松创建散点图。

要使用pandas和seaborn在Python中生成散点图，您需要按照以下步骤进行操作：

• 安装pandas和seaborn库：为了使用pandas和seaborn创建散点图，您需要先安装这些库。您可以使用以下命令安装它们：

pip install pandas
pip install seaborn

• 导入所需的库：要使用pandas和seaborn，您需要在代码中导入它们。您可以使用以下代码来实现此目的−

import pandas as pd
import seaborn as sns

• 准备数据：要创建散点图，您需要有要绘制的数据。数据应该以pandas数据帧的形式存在，每一行代表一个数据点，每一列代表一个变量。例如，以下数据表示三个数据点的两个变量的值：

data = {'x': [1, 2, 3], 'y': [4, 5, 6]}
df = pd.DataFrame(data)

• 创建散点图：要创建散点图，您可以使用seaborn的scatterplot函数，并将数据框作为参数传递进去。您还可以使用x和y参数指定要用作x轴和y轴的变量。例如 –

sns.scatterplot(x='x', y='y', data=df)

• 显示图表：要显示散点图，可以使用Matplotlib中的show函数。这将打开一个新窗口显示散点图。例如：

plt.show()

这是使用Pandas和Seaborn生成散点图的示例

data.csv

tips.csv

import seaborn
import pandas
import matplotlib.pyplot as plt
csv = pandas.read_csv(r'C:\Book1.csv')
res = seaborn.scatterplot(x="Name", y="Age", data=csv)
plt.show()

输出

在使用Seaborn生成散点图时，有很多自定义选项可供选择。例如，您可以更改点的颜色和大小，添加回归线或使用不同的标记样式。以下是如何使用”scatterplot”函数自定义散点图的示例。

sns.scatterplot(x="variable1", y="variable2", data=df, color="red",
size="variable3", style="variable4")

在这个示例中，我们指定了“color”、“size”和“style”参数来自定义散点图上点的外观。 “color”参数允许您指定点的颜色，“size”参数允许您根据第三个变量指定点的大小，而“style”参数允许您根据第四个变量指定点的不同标记样式。

示例1 seaborn.lineplot()

import seaborn
import pandas
import matplotlib.pyplot as plt
csv = pandas.read_csv(r'C:\Book1.csv')
res = seaborn.lineplot(x="Name", y="Age", data=csv)
plt.show()

输出

在这个例子中，我们使用了Seaborn的“scatterplot”函数来生成散点图，并使用“regplot”函数添加了一个回归线。我们还指定了一些自定义选项，比如点的颜色和大小，标记的风格，颜色调色板和图例的存在。

示例2 seaborn.catplot()

在这个例子中，我们使用“scatterplot”函数生成散点图，并将返回的Axes对象存储在名为“ax”的变量中。然后，我们可以使用Axes对象的“set_xlabel”，“set_ylabel”和“set_title”方法来自定义坐标轴的标签和图表的标题。

import seaborn
import pandas
import matplotlib.pyplot as plt
csv = seaborn.load_dataset("tips")
res = seaborn.catplot(x="tip", y="sex", data=csv)
plt.show()

输出

示例 3 seaborn.stripplot()

在这个示例中，我们使用 “scatterplot” 函数生成散点图，并将返回的 Axes 对象存储在一个名为 “scatter” 的变量中。然后，我们可以使用 Axes 对象的 “set_tooltips” 方法来向图表添加自定义工具提示。工具提示是通过使用包含变量占位符的字符串来指定的，当用户悬停在图表上的某个点上时，这些占位符将被实际值填充。最后，我们使用 Matplotlib 的 “pyplot” 模块的 “show” 函数来显示图表。

import seaborn
import pandas
import matplotlib.pyplot as plt
csv = seaborn.load_dataset("tips")
res = seaborn.stripplot(x="tip", y="sex", data=csv,jitter=0.05)
plt.show()

输出

示例4 seaborn.swarmplot()

在这个例子中，我们使用”scatterplot”函数生成了散点图，并将返回的Axes对象存储在名为”scatter”的变量中。然后，我们可以使用Axes对象的”set”方法，使用”yscale”参数将y轴设置为对数刻度。最后，我们使用Matplotlib的”pyplot”模块中的”show”函数显示图形。

import seaborn
import pandas
import matplotlib.pyplot as plt
csv = seaborn.load_dataset("tips")
res = seaborn.swarmplot(x="tip", y="sex", data=csv)
plt.show()

输出

结论

总之，Pandas和Seaborn是在Python中生成散点图的强大工具。通过使用Seaborn中的“scatterplot”函数和Pandas中的“read_csv”函数，您可以仅用几行代码轻松创建散点图。有许多自定义选项可用，例如更改点的颜色和大小，添加回归线，或自定义坐标轴标签和标题。您还可以使用“scatterplot”函数返回的Axes对象添加自定义工具提示或将y轴设置为对数刻度。通过有效使用这些工具，您可以创建清晰和信息丰富的散点图，帮助您可视化和分析数据。