博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
Python笔记:初识Matplotlib和Seaborn
阅读量:4249 次
发布时间:2019-05-26

本文共 450 字,大约阅读时间需要 1 分钟。

关于数据的整洁性

  • 每个变量占一列
  • 每个观察值占一行
  • 每种观察单位是一个表格

画出条形图

  • 我们可以通过 seaborn 的 countplot 函数创建基本的频率条形图:
sb.countplot(data = df, x = 'cat_var')
  • 将所有长条都用相同的颜色标注,可以减少不必要的干扰, 使用 “color” 参数设置长条颜色
base_color = sb.color_palette()[0]sb.countplot(data = df, x = 'cat_var', color = base_color)
  • 对条形图的排序
base_color = sb.color_palette()[0]cat_order = df['cat_var'].value_counts().index# 使用 "order" 参数设置排序方式sb.countplot(data = df, x = 'cat_var', color = base_color, order = cat_order)

转载地址:http://wkwei.baihongyu.com/

你可能感兴趣的文章
阿里架构之旅(三)——动物园管理者zookeeper
查看>>
阿里架构之旅(四)——zookeeper的原理
查看>>
独具一格的Linux
查看>>
Linux学习总结——实践
查看>>
大数据时代的到来
查看>>
大数据时代下的NoSql
查看>>
NoSql之相逢Redis
查看>>
NoSql之深入浅出redis
查看>>
从零开始学Hadoop----初识
查看>>
从零开始学Hadoop----浅析HDFS(一)
查看>>
从零开始学Hadoop----浅析HDFS(二)
查看>>
从零开始学Hadoop----浅析HDFS(三)
查看>>
从零开始学Hadoop——浅析MapReduce(一)
查看>>
从零开始学Hadoop——浅析MapReduce(二)
查看>>
NoSql之初识HBase
查看>>
用索引来实现幂等
查看>>
大数据的仓库Hive学习(一)
查看>>
大数据的仓库Hive原理(二)
查看>>
大数据的仓库Hive原理(三)
查看>>
MyBatis的优化注意点
查看>>