随笔分类 -  Matplotlib&Seaborn

文摘：matplotlib绘图可视化知识点整理
摘要：原文：http://michaelxiang.me/2016/05/14/python-matplotlib-basic/ 无论你工作在什么项目上，IPython都是值得推荐的。利用ipython --pylab，可以进入PyLab模式，已经导入了matplotlib库与相关软件包（例如Numpy和 阅读全文
posted @ 2018-12-04 21:19 凯撒鸡肉卷 阅读(224) 评论(0) 推荐(0)
Seaborn学习笔记6
摘要：绘制数据网格 在探索中等维度数据时，一个有用的方法是在数据集的不同子集上绘制相同绘图的多个实例。这种技术有时被称为“格子”或“格子”绘图，它与“小倍数”的想法有关。 它允许观看者快速提取大量关于复杂数据的信息。 Matplotlib可以很好地支持制作具有多个轴的图形; seaborn建立在此之上，以 阅读全文
posted @ 2018-12-04 20:08 凯撒鸡肉卷 阅读(214) 评论(0) 推荐(0)
Seaborn学习笔记5
摘要：第五章 分类数据的绘制 我们之前探讨了如何使用散点图和回归模型拟合来可视化两个变量之间的关系，以及如何在其他分类变量的层次之间进行展示。 当然，还有一大类问题就是分类数据的问题了？ 在这种情况下，散点图和回归模型方法将不起作用。当然，有几个观察可视化这种关系的选择，我们将在本章中讨论。 非常实用的方 阅读全文
posted @ 2018-12-04 20:07 凯撒鸡肉卷 阅读(221) 评论(0) 推荐(0)
Seaborn学习笔记4
摘要：这章介绍的针对回归类型的散点数据的可视化可能是未来机器学习最直接的助理，这章给我的感悟很多。 许多数据集包含多个定量变量，分析的目的通常是将这些变量相互关联起来。 我们以前讨论过可以通过显示两个变量的联合分布来实现的功能。 然而，使用统计模型来估计两个噪声观测组之间的简单关系可能是非常有帮助的。 本 阅读全文
posted @ 2018-12-04 20:06 凯撒鸡肉卷 阅读(478) 评论(0) 推荐(0)
Seaborn学习笔记3
摘要：第三章 分布数据集的可视化 在处理一组数据时，通常首先要做的是了解变量是如何分布的。这一章将简要介绍seborn中用于检查单变量和双变量分布的一些工具。你可能还想看看分类变量的章节，来看看函数的例子，这些函数让我们很容易比较变量的分布。 %matplotlib inline import numpy 阅读全文
posted @ 2018-12-04 20:05 凯撒鸡肉卷 阅读(270) 评论(0) 推荐(0)
Seaborn学习笔记2
摘要：Seaborn让你更容易选择和使用那些适合你数据和视觉的颜色。 %matplotlib inline import numpy as np import seaborn as sns import matplotlib.pyplot as plt sns.set(rc={"figure.figsiz 阅读全文
posted @ 2018-12-04 20:02 凯撒鸡肉卷 阅读(540) 评论(0) 推荐(0)
Seaborn学习笔记1
摘要：第一章 艺术化的图表控制 一个引人入胜的图表非常重要，赏心悦目的图形不但能让数据探索中一些重要的细节更容易被挖掘，也能更有利于在与观众交流分析结果的过程中吸引观众的注意力并使观众们更容易记住结论。 Matplotlib无疑是高度可定制的，但快速实施出吸引人的细节就变得有些复杂。Seaborn作为一个 阅读全文
posted @ 2018-12-04 19:57 凯撒鸡肉卷 阅读(362) 评论(0) 推荐(0)
Matplotlib学习笔记1
摘要： 阅读全文
posted @ 2018-11-12 23:19 凯撒鸡肉卷 阅读(91) 评论(0) 推荐(0)