Análisis de Datos y Cartografía Resumen de Cartografía Marina.

Las bibliotecas de gráficos de datos de uso común en Python incluyen las funciones gráficas matplotlib, seaborn, plotnine y panda (hasta ahora he entrado en contacto con ellas). Entre estos tipos de gráficos, panda viene con gráficos de biblioteca simples y matplotlib requiere demasiados parámetros para depurar. seaborn se basa en matplotlib, pero la dificultad de aprendizaje es mucho menor que la de matplotlib, por lo que puede usarse como la biblioteca de gráficos de primera opción para el aprendizaje.

Los siguientes son algunos gráficos que uso personalmente.

Los parámetros de entrada de Seaborn son esencialmente los mismos para todos los tipos de entrada de gráficos. Establezca los datos de abscisa de entrada, es decir, x = "nombre de columna", y = nombre de columna, datos de tono categórico = nombre de columna, conjunto de datos de entrada y algunos otros parámetros.

La paleta es la paleta que puede elegir seaborn. Hay muchas combinaciones de colores para elegir.

Los diagramas de caja, al igual que los diagramas de violín, son adecuados para mostrar la distribución general de datos y el grado de concentración de los datos. El diagrama de caja también incluye la línea del cuartil superior y los valores atípicos de los datos, y también se puede utilizar para comparar el nivel general de dos conjuntos de datos.

Cuando hay muchos datos en el conjunto de datos, también puede elegir sns.boxenplot para mostrar la distribución de datos, lo que puede hacer que la distribución general de datos sea más intuitiva.

Hay muchos usos diarios del diagrama de caja. En cuanto al diagrama de caja, existe el siguiente resumen:

El diagrama final es el siguiente, que es relativamente simple y directo.

Seaborn solo tiene cinco estilos para elegir, pero matplotlib tiene más estilos de dibujo para elegir. Podemos usar la oración anterior para elegir el estilo (26 estilos) del que necesitamos aprender.

estilo matplotlib

El diagrama de violín es una combinación de diagrama de densidad del núcleo y diagrama de distribución de datos. Expresa un significado gráfico similar a un diagrama de caja y puede mostrar la distribución de datos de manera más intuitiva.

Además, también se utilizan habitualmente algunos otros gráficos, como swarmplot (gráfico de dispersión agregado), stripplot (gráfico de dispersión clasificado), gráfico de dispersión (gráfico conectado), lineplot (gráfico de líneas) e lmplot (gráfico de ajuste). gráfico de líneas de regresión), puede elegir la potencia de la línea de regresión, como regresión cuadrática o regresión cúbica, etc. ).Catplot (use una columna como información de clasificación y divídala en varios gráficos para mostrar datos; el diagrama de caja es opcional).

estilo seaborn

estilo matplotlib