环境和数据

软件：Python 3.7、vscode(非必须，其他IDE也可的)
数据集：鸢尾花数据集
程序源代码：点此下载绘制二维图像的源代码每个图像为一个函数，只需将调用函数的语句注释取消掉即可运行。

库

pandas, matplotlib, seaborn.

iris数据集

  既然要使用这个数据集，首先我们来了解下这个数据集。read_csv方法用于读取硬盘上的文件，head方法用于输出数据集前五条记录。如下图所示，从左到右看，前五条记录中，数据默认编号为[0,4]，ID唯一编码每条记录，取值为[1,150]，iris数据集共150条记录。后面四个属性代表了花的特征，依次是花萼长度（Sepal Length）、花萼宽度（Sepal Length）、花朵长度（Petal Length）、花朵宽度（Petal Width），单位均为厘米cm。最后一列为花朵的种类。

通过describe方法查看数据集描述性信息，如下图所示。

简单来说，iris数据集的每条记录包括了一个唯一的编号，四个特征和花的种类。本次实验所用数据均来自于此。

二维图像

散点图

散点图是数据点在直角坐标系上的分布图。

scatter方法

scatter(x, y, color, alpha)，前两个参数为横坐标和纵坐标，color为数据点颜色，alpha为数据点透明度

def plotScatter(iris):
    plt.scatter(iris['Id'],iris['SepalLengthCm'], c='red', alpha=0.6)
    plt.title("Scatter 1")    
    plt.savefig('./myfigure/Scatter 1.png')
plotScatter(iris)

plot方法

plot(kind, x, y, c)，kind为图像类型，其他参数同scatter方法。

def oldIrisScatter(iris):
    iris.plot(kind="scatter",x="SepalLengthCm",y="SepalWidthCm",c="green")
    plt.title("Scatter 2")
    plt.savefig('./myfigure/Scatter 2.png')
oldIrisScatter(iris)

Scatter by facet grid

seaborn

(iris,hue=“Species”,size=5).map(plt.scatter,“SepalLengthCm”,“SepalWidthCm”).add_legend()
在数据集的子集内可视化变量分布，row,col,hue,hue将变量视为沿着深度轴的第三维，不同级别用不同的颜色绘制。

def facetGridBySeaborn(iris):
    sns.FacetGrid(iris,hue="Species",size=5).map(plt.scatter,"SepalLengthCm","SepalWidthCm").add_legend()
    plt.title("Scatter by FacetGrid")
    plt.savefig("./myFigure/Scatter By FacetGrid.png")
facetGridBySeaborn(iris)

jointPlot

同一个figure内显示二变量和单变量的直方图。

def jointPlotBySeaborn(iris):
    sns.jointplot(x="SepalLengthCm",y="SepalWidthCm",data=iris,size=5)
    plt.title("Scatter By Seaborn")
    plt.savefig('./myfigure/Scatter By Seaborn.png')
jointPlotBySeaborn(iris)

boxPlot

def boxplot(iris):## We can look at an individual feature in Seaborn through a boxplot
    sns.boxplot(x="Species",y="PetalLengthCm",data=iris)
    plt.title("Boxplot")
    plt.savefig("./myFigure/Boxplot.png")
boxplot(iris)

jitter=True，使得所有的点不会落在一个垂直的线上。

def boxplotWithpoints(iris):
    sns.boxplot(x="Species", y="PetalLengthCm", data=iris)
    sns.stripplot(x="Species", y="PetalLengthCm", data=iris, jitter=True, edgecolor="gray")
    plt.title("boxplotWithPoints")
    plt.savefig("./myFigure/boxplotWithPoints.png")
boxplotWithpoints(iris)

def boxplotWithoutId(iris):
    iris.drop("Id", axis=1).boxplot(by="Species", figsize=(12,6))
    plt.savefig("./myFigure/boxplotGroupedBySpecies.png")
# boxplotWithoutId(iris)

def facetGridWithLine(iris):
    sns.FacetGrid(iris, hue="Species", size=6).map(sns.kdeplot, "PetalLengthCm").add_legend()
    plt.title("facetGridWithLine")
    plt.savefig("./myFigure/FacetGridWithLine.png")
facetGridWithLine(iris)

def hist(iris):
    g = sns.FacetGrid(iris, col="Species")
    g = g.map(plt.hist, "SepalWidthCm",bins=20)
    plt.title("histByFacetGrid")
    plt.savefig("./myFigure/histByFacetGrid.png")
# hist(iris)

def pairPlot(iris):
    sns.pairplot(iris.drop("Id", axis=1,), hue="Species", size=3)
    plt.title("pairPlot")
    plt.savefig("./myFigure/pairPlot.png")
pairPlot(iris)

def parallelCoordinates(iris):
    parallel_coordinates(iris.drop("Id", axis=1), "Species")
    plt.title("parallelCoordinates")
    plt.savefig("./myFigure/parallelCoordinates.png")
parallelCoordinates(iris)

三维图像（缓更）

源程序和数据集

补充说明

文章如有错误，欢迎通过CSDN平台联系我，也可发email给我iamzhouling@163.com