Python 使用Seaborn绘制线图

数据分析和机器学习都需要数据可视化。Seaborn是最复杂且用户友好的Python模块之一，用于构建吸引人且实用的可视化效果。在本教程中，我们将深入介绍如何使用Seaborn软件包在Python中绘制线图。线图是一种基本的数据可视化图形，它将信息显示为一组由直线段连接的标记或数据点。

Seaborn中线图的介绍

Seaborn中的lineplot()函数提供了一种简单易懂的界面，用于创建吸引人且有用的折线图。可以使用它来监控一个或多个组的时间变化。

以下是一个简单的函数签名示例−

seaborn.lineplot(x=None, y=None, hue=None, data=None, palette=None, markers=None, style=None, dashes=None, linewidth=None)

开始使用Seaborn折线图

在您进行操作之前，必须在您的Python环境中设置Seaborn和Matplotlib库。如果尚未设置，可以使用pip进行安装：

pip install seaborn matplotlib

之后，导入所需的库-

import seaborn as sns
import matplotlib.pyplot as plt

示例1：基本线图

让我们使用Seaborn制作一个简单的线图：

import seaborn as sns
import matplotlib.pyplot as plt

# Simple dataset
days = list(range(0, 22, 3))
temperature = [25, 28, 30, 32, 33, 33, 34, 35, 36, 34, 33]

# Create lineplot
sns.lineplot(x=days, y=temperature)

# Show the plot
plt.show()

使用此代码绘制温度变化图，图表通过show()方法显示。

示例2：从DataFrame构建线条图

可以使用Pandas DataFrame立即构建线条图：

import seaborn as sns
import pandas as pd

# Create a simple DataFrame
data = pd.DataFrame({
   'Days': list(range(1, 11)),
   'Temperature': [22, 24, 25, 28, 30, 29, 31, 32, 33, 34]
})

# Create lineplot
sns.lineplot(x='Days', y='Temperature', data=data)

# Show the plot
plt.show()

这个程序产生一个包含”Days”和”Temperature”数据的DataFrame，并使用Seaborn的lineplot()方法来绘制图形。

示例3：多条线图

使用’hue’参数，你可以在同一个图上绘制多条线-

import seaborn as sns
# Multiple line plot
data = pd.DataFrame({
   'Days': list(range(1, 11)),
   'Temperature': [22, 24, 25, 28, 30, 29, 31, 32, 33, 34],
   'DewPoint': [10, 11, 12, 14, 15, 15, 16, 17, 18, 18]
})

sns.lineplot(x='Days', y='value', hue='variable', data=pd.melt(data, ['Days']))

plt.show()

在这个示例中，’Temperature’和’DewPoint’在’Days’上进行绘制。DataFrame被重塑以使其适用于使用pd.melt()函数进行可视化。

示例4：带有置信区间的线图

此外，Seaborn还提供了数据分布的置信区间可视化选项：

import seaborn as sns
# Sample data
import numpy as np
np.random.seed(0)
data = pd.DataFrame(data=np.random.randn(100, 3), columns=['B1', 'B2', 'B3']).cumsum()

# Add a column with constant value
data['Days'] = pd.Series(list(range(len(data))))

# Multiple line plot with confidence interval
sns.lineplot(x="Days", y="value", hue="variable",
             data=pd.melt(data, ['Days']))

plt.show()

这个图中每条线的周围都有一个暗色区域表示置信区间。

示例5：具有不同标记和线型的线图

通过使用“style”参数提供不同的标记和线型，您可以区分每条线：

import seaborn as sns
data = pd.DataFrame({
   'Time': list(range(1, 11)),
   'Measurement1': np.random.randn(10).cumsum(),
   'Measurement2': np.random.randn(10).cumsum()
})

sns.lineplot(x='Time', y='value', hue='variable', style='variable', markers=True, dashes=False, 
             data=pd.melt(data, ['Time']))

plt.show()

这个脚本使用了实线样式，并给每条线添加了不同的标记。

示例6：使用Matplotlib函数自定义线图

通过使用Matplotlib的函数，可以进一步自定义Seaborn图表：

import seaborn as sns
# Generate data
data = pd.DataFrame({
   'Time': list(range(1, 11)),
   'Measurement1': np.random.randn(10).cumsum(),
   'Measurement2': np.random.randn(10).cumsum()
})

sns.lineplot(x='Time', y='value', hue='variable', data=pd.melt(data, ['Time']))

plt.title('Time Series Plot')
plt.xlabel('Time (s)')
plt.ylabel('Measurements')
plt.grid(True)
plt.show()

这个脚本通过增加标题、坐标轴标签和网格来增强图表。