python数据可视化Seaborn绘制山脊图
1. 引言
山脊图一般由垂直堆叠的折线图组成,这些折线图中的折线区域间彼此重叠,此外它们还共享相同的x轴.
山脊图经常以一种相对不常见且非常适合吸引大家注意力的紧凑图的形式表现。观察上图,我们给其起名叫Ridge plot是
非常恰当的,因为上述图表看起来确实很像山的脊背.此外,上述图像还有另一个称呼叫做Joy Plots–这主要是因为Joy Division
乐队在如下专辑封面上采用了这种可视化形式.
2. 举个栗子
在介绍完山脊图的由来背景后,现在让我们来举个例子。我们使用以下数据集,主要包含 Netflix
的作品及对应的 IMDB
分数。
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd df = pd.read_csv('./data/film.csv') languages = ['English', 'Hindi', 'Spanish', 'French', 'Italian', 'Portuguese'] df_filtered = df[df['Language'].isin(languages)] df_filtered
运行结果如下:
上表中从左往右,依次为ID,电影名称,电影类型,首映日期,电影长度,IMDB评分,以及电影语种.
接下来我们首先使用 Seaborns FacetGrid
库来为每个语言类别的电影创建不同IMDB下的概率密度分布曲线图。实现这个功能很简单,仅需要对数据表中相应名称字段来按值进行分组统计即可。
代码如下:
sns.set_theme(style="white") g = sns.FacetGrid(df_filtered, row="Language") g.map_dataframe(sns.kdeplot, x="IMDB Score") g.set(ylabel="")
结果如下:
上述实现采用的为默认的参数配置,横轴表示IMDB
分数,纵轴表示对应不同语种电影在不同IMDB得分下的概率. 从上述图例中可以看出单个语种电影评分的概率密度分布,但是很难查看不同语种间的对比分布。
接着我们尝试来改进显示效果,我们通过设置FacetGrid
函数中相应的参数来让图表变得更宽更短。
代码如下:
sns.set_theme(style="white") g = sns.FacetGrid(df_filtered, row="Language", aspect=9, height=1.2) g.map_dataframe(sns.kdeplot, x="IMDB Score") g.set(ylabel="")
结果如下:
上述改进虽然可以让数据间的对比变得明显一些,但是这个可视化从视觉效果上看并没有太大的吸引力。
观察上图,我们其实并没有多少人去关注左侧的Y轴信息,我们更关注的是数据的形状.这就意味着我们这里可以删除Y轴.
代码如下:
sns.set_theme(style="white") g = sns.FacetGrid(df_filtered, row="Language", aspect=9, height=1.2) g.map_dataframe(sns.kdeplot, x="IMDB Score") g.set_titles("") g.set(yticks=[],ylabel="") g.despine(left=True)
运行结果如下:
3.山脊图
经过我们的优化,上述不同语种电影的IMDB
得分概率密度分布还是不够直观.
接下来我们一步一步来介绍我们的终结法宝–山脊图.
首先,我们需要确保背景是透明的。
sns.set_theme(style="white", rc={"axes.facecolor": (0, 0, 0, 0)})
接着,我们需要填充线条的内部区域。
g.map_dataframe(sns.kdeplot, x="IMDB Score", fill=True, alpha=1)
上述操作后,不同语种间的区域会出现重叠,这时我们还需要区分重叠部分。
我们通过以下代码进行区分:
sns.set_theme(style="white", rc={"axes.facecolor": (0, 0, 0, 0)}) g = sns.FacetGrid(df_filtered, row="Language", aspect=9, height=1.2) g.map_dataframe(sns.kdeplot, x="IMDB Score", fill=True, alpha=1) g.map_dataframe(sns.kdeplot, x="IMDB Score", color='black') g.fig.subplots_adjust(hspace=-.5) g.set_titles("") g.set(yticks=[]) g.despine(left=True)
运行结果如下:
到目前位置,我们实现了我们第一版的山脊图,接着我们可以根据需要来自定义扩展它。FacetGrid
函数非常适合创建多个可视化图例,并且 .map 和 .map_dataframe
方法可以让我们与所有子图进行交互。
代码如下:
sns.set_theme(style="white", rc={"axes.facecolor": (0, 0, 0, 0), 'axes.linewidth':2}) palette = sns.color_palette("Set2", 12) g = sns.FacetGrid(df_filtered, palette=palette, row="Language", hue="Language", aspect=9, height=1.2) g.map_dataframe(sns.kdeplot, x="IMDB Score", fill=True, alpha=1) g.map_dataframe(sns.kdeplot, x="IMDB Score", color='black') def label(x, color, label): ax = plt.gca() ax.text(0, .2, label, color='black', fontsize=13, ha="left", va="center", transform=ax.transAxes) g.map(label, "Language") g.fig.subplots_adjust(hspace=-.5) g.set_titles("") g.set(yticks=[], xlabel="IMDB Score") g.despine( left=True) plt.suptitle('Netflix Originals - IMDB Scores by Language', y=0.98)
运行结果如下:
4.扩展
最后,我们可以使用下面代码来复制Joy Division
专辑封面的可视化效果。
代码如下:
import pandas as pd import seaborn as sns import matplotlib.pyplot as plt if __name__ == "__main__": url = "./data/pulsar.csv" df = pd.read_csv(url, header=None) df = df.stack().reset_index() df.columns = ['idx', 'x', 'y'] sns.set_theme(rc={"axes.facecolor": (0, 0, 0, 0), 'figure.facecolor':'#000000', 'axes.grid':False}) g = sns.FacetGrid(df, row='idx', aspect=50, height=0.4) # Draw the densities in a few steps g.map(sns.lineplot, 'x', 'y', clip_on=False, alpha=1, linewidth=1.5) g.map(plt.fill_between, 'x', 'y', color='#000000') g.map(sns.lineplot, 'x', 'y', clip_on=False, color='#ffffff', lw=2) # Set the subplots to overlap g.fig.subplots_adjust(hspace=-0.95) g.set_titles("") g.set(yticks=[], xticks=[], ylabel="", xlabel="") g.despine(bottom=True, left=True) plt.savefig('joy.png', facecolor='#000000')
运行结果如下:
5.结论
总的来说,山脊图非常适合关注数据的分布对比。山脊图以吸引人的美学可以引起观众的共鸣,使它们成为向用户介绍数据分布对比分析时的绝佳选择。
到此这篇关于python数据可视化Seaborn绘制山脊图的文章就介绍到这了,更多相关Seaborn绘制山脊图内容请搜索猪先飞以前的文章或继续浏览下面的相关文章希望大家以后多多支持猪先飞!
原文出处:https://blog.csdn.net/sgzqc/article/details/121911883
相关文章
- 这篇文章主要介绍了python-opencv-画外接矩形框的实例代码,代码简单易懂,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下...2021-09-04
Python astype(np.float)函数使用方法解析
这篇文章主要介绍了Python astype(np.float)函数使用方法解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下...2020-06-08- 2022虎年新年即将来临,小编为大家带来了一个利用Python编写的虎年烟花特效,堪称全网最绚烂,文中的示例代码简洁易懂,感兴趣的同学可以动手试一试...2022-02-14
- 在本篇文章里小编给大家分享的是一篇关于python中numpy.empty()函数实例讲解内容,对此有兴趣的朋友们可以学习下。...2021-02-06
python-for x in range的用法(注意要点、细节)
这篇文章主要介绍了python-for x in range的用法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-05-10- 这篇文章主要介绍了Python 图片转数组,二进制互转操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-09
- 这篇文章主要介绍了Python中的imread()函数用法说明,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-16
- 这篇文章主要介绍了python如何实现b站直播自动发送弹幕,帮助大家更好的理解和学习使用python,感兴趣的朋友可以了解下...2021-02-20
python Matplotlib基础--如何添加文本和标注
这篇文章主要介绍了python Matplotlib基础--如何添加文本和标注,帮助大家更好的利用Matplotlib绘制图表,感兴趣的朋友可以了解下...2021-01-26- 这篇文章主要介绍了解决python 使用openpyxl读写大文件的坑,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-13
- 今天小编就为大家分享一篇python 计算方位角实例(根据两点的坐标计算),具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-04-27
- 这篇文章主要为大家详细介绍了python实现双色球随机选号,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下...2020-05-02
- 在本篇文章里小编给大家整理的是一篇关于python中使用np.delete()的实例方法,对此有兴趣的朋友们可以学习参考下。...2021-02-01
- 这篇文章主要介绍了使用Python的pencolor函数实现渐变色功能,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下...2021-03-09
Python getsizeof()和getsize()区分详解
这篇文章主要介绍了Python getsizeof()和getsize()区分详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2020-11-20- 这篇文章主要介绍了python自动化办公操作PPT的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2021-02-05
- 这篇文章主要介绍了解决python 两个时间戳相减出现结果错误的问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-12
- 这篇文章主要为大家详细介绍了python实现学生通讯录管理系统,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下...2021-02-25
- 这篇文章主要介绍了PyTorch一小时掌握之迁移学习篇,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下...2021-09-08
- 这篇文章主要介绍了Python绘制的爱心树与表白代码,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下...2021-04-06