Python编程使用matplotlib挑钻石seaborn画图入门教程
作者：微小冷
seaborn是matplotlib的补充包，提供了一系列高颜值的figure，并且集成了多种在线数据集，通过sns.load_dataset()进行调用，可供学习，如果网络不稳定，可下载到本地，然后在调用的时候使用把cache设为True。
scatter_plot
官方的示例就很不错，绘制了diamonds数据集中的钻石数据。diamonds中总共包含十项数据，分别是重量/克拉、切割水平、颜色、透明度、深度、table、价格以及x、y、z方向的尺寸。
我们可以先来看看x和y方向的尺寸是否有一定的相关性
import seaborn as sns
import matplotlib.pyplot as plt
# 本地加载数据集
dia = sns.load_dataset("diamonds",data_home="seaborn-data", cache=True)
# 以上几行代码后面不再重复书写
sns.scatterplot(x=dia['x'],y=dia['y'],size=5)
plt.show() #用于显示图片，后文就不写了
其中x，y分别代表x轴和y轴数据，可见一般钻石还是比较规则的。
官方画廊绘制的图像如下
这个图的横坐标是重量(克拉)，纵坐标是价格，我们发现钻石商人大多有强迫症，因为2.0克拉、1.5克拉、1.0克拉这种整十整五的钻石比周围重量的钻石更多。。。
f, ax = plt.subplots(figsize=(6.5, 6.5))
sns.set_theme(style="whitegrid")
sns.despine(f, left=True, bottom=True)
clarity = ["I1", "SI2", "SI1", "VS2", "VS1", "VVS2", "VVS1", "IF"] #颜色深浅的顺序
sns.scatterplot(x="carat", y="price", #声明x轴和y轴的值
hue="clarity", size="depth", #clarity和depth分别调控颜色和尺寸
palette="ch:rot=-.2,d=.3_r", #调色板
style_order=clarity,sizes=(1,10), #颜色标识的顺序和尺寸范围
linewidth=0,data=dia, ax=ax)
plt.show()
首先，set_theme用于设置主题，其中style可以输入字符串或者字典，可调整主题风格。
其次，palette代表颜色映射，当其输入值为字符串时，其含义为
| 缩写 | 取值范围 | ||
|---|---|---|---|
| start | s | [0,3] | 渐变始点颜色 |
| rot | r | 用于调控色相 | |
| gamma | g | 不小于0 | 小于1时，提高暗部；大于1时，加强高光 |
| hue | h | [0,1] | Saturation of the colors. |
| dark | d | [0,1] | 最暗处的强度 |
| light | l | [0,1] | 最亮处颜色的强度 |
sizes用于调整点的尺寸，当设置size时，将size中的值对应到ssizes中从而绘图。
我们注意到钻石属性中有一个是切割水平，那么接下来绘制一下切割水平和价格的关系。
fig, ax = plt.subplots(figsize=(6.5, 6.5))
sns.set_theme(style="whitegrid")
sns.despine(fig, left=True, bottom=True)
sns.scatterplot(data = dia, x="carat", y="price",
style="cut",hue='cut',
linewidth=0)
plt.show()
果然把渐变颜色去掉之后颜值狂掉，但同时可以发现，这个very good显然不是最好的切割等级，毕竟在3.0克拉级别的钻石中，有一颗very good级别的钻石买到了最低价。GIA评估的钻石等级为Excellent，Very Good，Good，Fair到最差Poor，可能在这个数据集中，ideal就代表了Excellent吧。
lmplot
如果想更准确地观察cut对钻石价格的影响，可以通过lmplot在散点图的基础上绘制一个趋势线出来。
sns.lmplot(data=dia, x="carat", y="price",hue='cut',markers = '.') plt.show()
这样一看就发现果然ideal的钻石是最好的。
jointplot
以上诸图，都是消费者最关心的问题——价格、尺寸以及透明度等。但商家最关心的可能是价格、重量与销售量的关系，这就涉及到一个分布的问题。而seaborn提供了一个非常好的双变量关系图——jointplot，效果如下
可见，还是便宜的钻石比较火爆，代码分别为
# 左图代码 sns.jointplot(data=dia, x="carat", y="price",xlim=(0,3),ylim=(0,17500), ratio=10,kind='hex',color="#4CB391") # 右图代码 sns.jointplot(data=dia, x="carat", y="price",hue='cut', xlim=(0,3),ylim=(0,17500), ratio=10,marker='.')
其中，kind用于更改图像的风格，sns提供了六种风格："scatter" "kde" "hist" "hex" "reg" "resid"。
以上就是Python编程使用matplotlib挑钻石seaborn画图入门的详细内容，更多关于matplotlib挑钻石seaborn画图入门的资料请关注脚本之家其它相关文章！