資訊專欄INFORMATION COLUMN
摘要：默認(rèn)情況下白灰網(wǎng)格的形式可以避免過于刺眼。在多面作圖的情況下，網(wǎng)絡(luò)形式顯得相當(dāng)?shù)挠欣?，提供了一種作圖結(jié)構(gòu)，這對(duì)模塊中的一些復(fù)雜工具非常重要。將的參數(shù)劃分為兩個(gè)組。在這兩種情況下，第一組函數(shù)返回一系列的參數(shù)，第二組則設(shè)置的默認(rèn)屬性。
原文鏈接：http://web.stanford.edu/~mwaskom/software/seaborn/tutorial/aesthetics....
管理圖表的藝術(shù)
畫一個(gè)吸引人注意的圖表相當(dāng)重要。當(dāng)你探索一個(gè)數(shù)據(jù)集，需要畫圖表，圖表看起來令人愉悅是件很高興的事。在與你的觀眾交流觀點(diǎn)時(shí)，可視化同樣重要，同時(shí)，也很有必要去讓圖表吸引注意力和印入腦海里。Matplotlib自動(dòng)化程度非常高，但是，掌握如何設(shè)置系統(tǒng)以便獲得一個(gè)吸引人的圖是相當(dāng)困難的事。為了控制matplotlib圖表的外觀，Seaborn模塊自帶許多定制的主題和高級(jí)的接口。
%matplotlib inline
import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt np.random.seed(sum(map(ord, "aesthetics")))
讓我們先定義一個(gè)函數(shù)用來畫正弦函數(shù)，這將幫助我們了解我們可以控制的不同風(fēng)格的參數(shù)
def sinplot(flip=1):
x = np.linspace(0, 14, 100)
for i in range(1, 7):
plt.plot(x, np.sin(x + i * .5) * (7 - i) * flip)
默認(rèn)情況下matplotlib的畫的圖是這樣的：
轉(zhuǎn)換成Seaborn模塊，只需要引入seaborn模塊。
import seaborn as sns sinplot()
seaborn默認(rèn)淺灰色背景與白色網(wǎng)絡(luò)線的靈感來源于matplotlib，卻比matplotlib的顏色更多柔和。我們發(fā)現(xiàn)，網(wǎng)絡(luò)線對(duì)于傳播信息很有用，幾乎在所有情況下，人們喜歡圖甚于表。默認(rèn)情況下白灰網(wǎng)格的形式可以避免過于刺眼。在多面作圖的情況下，網(wǎng)絡(luò)形式顯得相當(dāng)?shù)挠欣?，提供了一種作圖結(jié)構(gòu)，這對(duì)模塊中的一些復(fù)雜工具非常重要。
seaborn將matplotlib的參數(shù)劃分為兩個(gè)組。第一組控制圖表的樣式和圖的度量尺度元素，這樣就可以輕易在納入到不同的上下文中。
操控這些參數(shù)由兩個(gè)函數(shù)提供接口。控制樣式，用axes_style()和set_style()這兩個(gè)函數(shù)。度量圖則用plotting_context()和set_context()這兩個(gè)函數(shù)。在這兩種情況下，第一組函數(shù)返回一系列的參數(shù)，第二組則設(shè)置matplotlib的默認(rèn)屬性。
圖樣式函數(shù)axes_style()和set_style()
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://systransis.cn/yun/45369.html
摘要：數(shù)據(jù)集分布可視化當(dāng)處理一個(gè)數(shù)據(jù)集的時(shí)候，我們經(jīng)常會(huì)想要先看看特征變量是如何分布的。直方圖在橫坐標(biāo)的數(shù)據(jù)值范圍內(nèi)均等分的形成一定數(shù)量的數(shù)據(jù)段，并在每個(gè)數(shù)據(jù)段內(nèi)用矩形條顯示軸觀察數(shù)量的方式，完成了對(duì)的數(shù)據(jù)分布的可視化展示。 作者：xiaoyu微信公眾號(hào)：Python數(shù)據(jù)科學(xué)知乎：python數(shù)據(jù)分析師 Seaborn學(xué)習(xí)大綱 seaborn的學(xué)習(xí)內(nèi)容主要包含以下幾個(gè)部分： 風(fēng)格管理 ...
摘要：分類數(shù)據(jù)散點(diǎn)圖在分類數(shù)據(jù)的基礎(chǔ)上展示定量數(shù)據(jù)的最簡(jiǎn)單函數(shù)就是。此外，小提琴內(nèi)還顯示了箱體四分位數(shù)和四分位距。該函數(shù)會(huì)用高度估計(jì)值對(duì)數(shù)據(jù)進(jìn)行描述，而不是顯示一個(gè)完整的條形，它只繪制點(diǎn)估計(jì)和置信區(qū)間。 作者：xiaoyu微信公眾號(hào)：Python數(shù)據(jù)科學(xué)知乎：python數(shù)據(jù)分析師 Seaborn學(xué)習(xí)大綱 seaborn的學(xué)習(xí)內(nèi)容主要包含以下幾個(gè)部分： 風(fēng)格管理 繪圖風(fēng)格設(shè)置 顏色風(fēng)...
摘要：簡(jiǎn)介同一樣，也是進(jìn)行數(shù)據(jù)可視化分析的重要第三方包。的五種繪圖風(fēng)格有五種的風(fēng)格，它們分別是。 作者：xiaoyu微信公眾號(hào)：Python數(shù)據(jù)科學(xué)知乎：python數(shù)據(jù)分析師 最近在做幾個(gè)項(xiàng)目的數(shù)據(jù)分析，每次用到seaborn進(jìn)行可視化繪圖的時(shí)候總是忘記具體操作。雖然seaborn的官方網(wǎng)站已經(jīng)詳細(xì)的介紹了使用方法，但是畢竟是英文，而且查找不是很方便。因此博主想從零開始將seaborn學(xué)...
摘要：在本節(jié)中，我們將看到一些最流行和最常用的庫，用于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)是用于數(shù)據(jù)挖掘，分析和機(jī)器學(xué)習(xí)的最流行的庫。愿碼提示網(wǎng)址是一個(gè)基于的框架，用于使用多個(gè)或進(jìn)行有效的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。 showImg(https://segmentfault.com/img/remote/1460000018961827?w=999&h=562); 來源 | 愿碼(ChainDesk.CN)內(nèi)容編輯...
摘要：使用分類調(diào)色板另外一種對(duì)分類數(shù)據(jù)比較友好的調(diào)色板來自工具。它們是以在調(diào)色板中的主導(dǎo)顏色或顏色命名的。連續(xù)調(diào)色板調(diào)色板系統(tǒng)在亮度和色變變化上具有線性上升或下降的特點(diǎn)。離散色板調(diào)色板中的第三類被稱為離散。 作者：xiaoyu微信公眾號(hào)：Python數(shù)據(jù)科學(xué)知乎：python數(shù)據(jù)分析師 Seaborn學(xué)習(xí)大綱 seaborn的學(xué)習(xí)內(nèi)容主要包含以下幾個(gè)部分： 風(fēng)格管理 繪圖風(fēng)格設(shè)置 顏...
閱讀 1777·2021-10-19 13:30
閱讀 1352·2021-10-14 09:48
閱讀 1544·2021-09-22 15:17
閱讀 2016·2019-08-30 15:52
閱讀 3282·2019-08-30 11:23
閱讀 1994·2019-08-29 15:27
閱讀 898·2019-08-29 13:55
閱讀 762·2019-08-26 14:05
