兩組樹形數據的比對_Python數據分析-可視化“大佬”之Seaborn

* x,y,hue 數據集變量 變量名
* date 數據集 數據集名
* row,col 更多分類變量進行平鋪顯示 變量名
* col_wrap 每行的最高平鋪數 整數
* estimator 在每個分類中進行矢量到標量的映射 矢量
* ci 置信區間 浮點數或None
* n_boot 計算置信區間時使用的引導迭代次數 整數
* units 采樣單元的標識符，用于執行多級引導和重復測量設計 數據變量或向量數據
* order, hue_order 對應排序列表 字符串列表
* row_order, col_order 對應排序列表 字符串列表
* kind : 可選：point 默認, bar 柱形圖, count 頻次, box 箱體, violin 提琴, strip 散點，swarm 分散點
size 每個面的高度（英寸） 標量
aspect 縱橫比 標量
orient 方向 "v"/"h"
color 顏色 matplotlib顏色
palette 調色板 seaborn顏色色板或字典
legend hue的信息面板 True/False
legend_out 是否擴展圖形，并將信息框繪制在中心右邊 True/False
share{x,y} 共享軸線 True/False

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns## 定義主題風格
sns.set(style="darkgrid")## 加載tips
tips = sns.load_dataset("tips")## 繪制圖形，根據不同種類的三點設定圖注
sns.relplot(x="total_bill", y="tip", hue="smoker", style="time", data=tips);
plt.show()

## 繪制漸變效果的散點圖
sns.relplot(x="total_bill", y="tip", hue="size", palette="ch:r=-.5,l=.75", data=tips);
plt.show()

eg:
## 設置顏色
sns.set(color_codes=True)
mean, cov = [0, 1], [(1, .5), (.5, 1)] # 設置均值(一組參數)和協方差（兩組參數）
x, y = np.random.multivariate_normal(mean, cov, 1000).T
with sns.axes_style("ticks"):sns.jointplot(x=x, y=y, kind="hex", color="k")
plt.show()

eg: sns.set(style="darkgrid") np.random.seed(sum(map(ord, "distributions"))) x = np.random.gamma(6, size=200)     sns.distplot(x, kde=False, fit=stats.gamma) plt.show()

eg:
sns.set(style="darkgrid")
np.random.seed(sum(map(ord, "distributions")))
x = np.random.gamma(6, size=200)
sns.distplot(x, kde=False, fit=stats.gamma)
plt.show()

eg:采用的是鳶尾花的內部數據集
sns.set(color_codes=True)
iris = sns.load_dataset("iris")
sns.pairplot(iris)
plt.show()

%matplotlib inline
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as pltimport seaborn as sns
sns.set(color_codes=True)
np.random.seed(sum(map(ord, "regression")))tips = sns.load_dataset("tips")## 使用regplot繪制
sns.regplot(x="total_bill", y="tip", data=tips)
plt.show()

eg:
anscombe = sns.load_dataset("anscombe")
sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'III'"),robust=True, ci=None, scatter_kws={"s": 80})
plt.show()

eg:
tips = sns.load_dataset("tips")
sns.swarmplot(x="day", y="total_bill",hue="sex",data=tips)
plt.show()