文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

如何使用python数据可视化Seaborn绘制山脊图

2023-06-22 07:04

关注

这篇文章主要介绍如何使用python数据可视化Seaborn绘制山脊图,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!

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.

如何使用python数据可视化Seaborn绘制山脊图

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.

如何使用python数据可视化Seaborn绘制山脊图

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 pltimport seaborn as snsimport pandas as pddf = 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:

如何使用python数据可视化Seaborn绘制山脊图

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()g = sns.FacetGrid(df_filtered, row="Language")g.map_dataframe(sns.kdeplot, x="IMDB Score")g.set(ylabel="")

结果如下:

如何使用python数据可视化Seaborn绘制山脊图

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()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:

如何使用python数据可视化Seaborn绘制山脊图

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()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:

如何使用python数据可视化Seaborn绘制山脊图

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(, 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(, 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:

如何使用python数据可视化Seaborn绘制山脊图

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(, 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:

如何使用python数据可视化Seaborn绘制山脊图

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 pdimport seaborn as snsimport matplotlib.pyplot as pltif __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:

如何使用python数据可视化Seaborn绘制山脊图

以上是“如何使用python数据可视化Seaborn绘制山脊图”这篇文章的所有内容,感谢各位的阅读!希望分享的内容对大家有帮助,更多相关知识,欢迎关注编程网行业资讯频道!

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯