系统:Windows 7
语言版本:Anaconda3-4.3.0.1-Windows-x86_64
编辑器:pycharm-community-2016.3.2
- 这个系列讲讲Python的科学计算版块
- 今天讲讲seaborn模块:做几个点的矩阵图
Part 1:示例
- 已知
df_1
,有4列["p1", "p2", "p3", "from"]
- 做出
P1、P2、P3
三列的相关性图,其实就是两两的散点图,效果如下图 - 映射实例:有4种样本,每种样本采集5个,合计20个样本。每个样本检测其中3个控制点的数据,对这些数据进行可视化显示,合计数据量20*3=60个
矩阵图
Part 2:代码
import pandas as pd
import seaborn as sns
from matplotlib import pyplot as plt
dict_1 = {
"p1": [0.5, 0.8, 1.0, 1.2, 1.5, 2.5, 0.9, 0.6, 1.3, 1.0,
1.3, 1.6, 1.9, 2.5, 4.2, 3.5, 2.2, 1.2, 1.5, 0.5],
"p2": [1.3, 2.8, 1.3, 1.4, 6.5, 2.5, 0.9, 0.6, 1.3, 1.0,
1.3, 1.6, 1.9, 2.5, 4.2, 3.5, 1.2, 1.2, 3.5, 2.5],
"p3": [2.5, 0.8, 1.3, 1.2, 1.5, 2.8, 1.9, 0.6, 1.3, 1.1,
1.3, 1.6, 1.1, 2.5, 4.2, 3.9, 2.2, 1.2, 1.5, 0.5],
"from": ["sample1", "sample1", "sample1", "sample1", "sample1",
"sample2", "sample2", "sample2", "sample2", "sample2",
"sample3", "sample3", "sample3", "sample3", "sample3",
"sample4", "sample4", "sample4", "sample4", "sample4"]}
df_1 = pd.DataFrame(dict_1, columns=["p1", "p2", "p3", "from"])
print(df_1)
sns.set(style="ticks", color_codes=True)
g = sns.pairplot(df_1,
hue="from", # 设置颜色列
palette="Set1", # 调色板:husl / Set1
markers=["o", "s", "D", "^"], # 设置标记marker形状
vars=["p1", "p2", "p3"])
leg = g._legend
leg.set_bbox_to_anchor([0.5, 0, 0.5, 0.5])
plt.show()
代码截图
df_1
Part 3:部分代码解读
g = sns.pairplot(df_1,
hue="from", # 设置颜色列
palette="Set1", # 调色板:husl / Set1
markers=["o", "s", "D", "^"], # 设置标记marker形状
vars=["p1", "p2", "p3"])
-
df_1
数据源 -
hue
设置已哪一列作为颜色的分类 -
palette
设置颜色板,可以有多种不同的风格,如设置为husl
,效果如下图 -
markers
设置每个数据的标记形状 -
vars
设置参与显示的列,如果更改为vars=["p1", "p2"]
,效果如下图
husl效果图
vars=["p1", "p2"]
本文为原创作品,欢迎分享朋友圈
长按图片识别二维码,关注本公众号
Python 优雅 帅气
12x0.8.jpg
网友评论