散点图、热力图

散点图

如果需要研究两个数值型变量之间是否存在某种关系，例如正向的线性关系，或者是趋势性的非线性关系，那么散点图将是最佳的选择；

 

scatter(x, y, s=20, c=None, marker='o', alpha=None, linewidths=None, edgecolors=None)
x：指定散点图的x轴数据
y：指定散点图的y轴数据
s：指定散点图点的大小，默认为20，通过传入其他数值型变量，可以实现气泡图的绘制
c：指定散点图点的颜色，默认为蓝色，也可以传递其他数值型变量，通过cmap参数的色阶表示数值大
小
marker：指定散点图点的形状，默认为空心圆
alpha：设置散点的透明度
linewidths：设置散点边界线的宽度
edgecolors：设置散点边界线的颜色

　　

# 读入数据
iris = pd.read_csv(r'D:\pylearn\10\iris.csv')
# 绘制散点图
plt.scatter(x = iris.Petal_Width, # 指定散点图的x轴数据
 y = iris.Petal_Length, # 指定散点图的y轴数据
 color = 'steelblue' # 指定散点图中点的颜色
 )
# 添加x轴和y轴标签
plt.xlabel('花瓣宽度')
plt.ylabel('花瓣长度')
# 添加标题
plt.title('鸢尾花的花瓣宽度与长度关系')
# 显示图形
plt.show()

　

 

 气泡图

气泡图的实质就是通过第三个数值型变量控制每个散点的大小，点越大，代表的第三维数值越高，反之亦然；

气泡图的绘制，使用的仍然是scatter函数，区别在于函数的s参数被赋予了具体的数值型变量；

 

热力图的绘制 

热力图也称为交叉填充表，图形最典型的用法就是实现列联表的可视化，即通过图形的方式展现两个离散变量之间的组合关系；

sns.heatmap(data, cmap=None, annot=None, fmt='.2g', annot_kws=None, linewidths=0, 
 linecolor='white)#seaborn包中的heatmap函数'
data：指定绘制热力图的数据集
cmap：指定一个colormap对象，用于热力图的填充色
annot：指定一个bool类型的值或与data参数形状一样的数组，如果为True，就在热力图的每个单元上显示数值
fmt：指定单元格中数据的显示格式
annot_kws：有关单元格中数值标签的其他属性描述，如颜色、大小等
linewidths ：指定每个单元格的边框宽度
linecolor：指定每个单元格的边框颜色

import numpy as np
import seaborn as sns
# 读取数据
Sales = pd.read_excel(r'D:\pylearn\10\Sales.xlsx')
# 根据交易日期，衍生出年份和月份字段
Sales['year'] = Sales.Date.dt.year
Sales['month'] = Sales.Date.dt.month
# 统计每年各月份的销售总额（绘制热力图之前，必须将数据转换为交叉表形式）
Summary = Sales.pivot_table(index = 'month', columns = 'year', values = 'Sales', aggfunc = np.sum)
# 绘制热力图
sns.heatmap(data = Summary, # 指定绘图数据
 cmap = 'PuBuGn', # 指定填充色
 linewidths = .1, # 设置每个单元格边框的宽度
 annot = True, # 显示数值
 fmt = '.1e' # 以科学计算法显示数据
 ) #添加标题
plt.title('每年各月份销售总额热力图')
# 显示图形
plt.show()