seaborn

4热度

2回答

我立刻喜欢seaborn的一件事是，它将Matplotlib默认的图像调色板（imshow,pcolormesh,contourf，...）设置为我以前从未见过的非常好的一个（黑色 - 蓝色 - 绿色 - 棕色 - 粉红色，紫色，白色）： plt.contourf(np.random.random((20,20))) 但是，当我从0.21版升级包0.3，这个默认是换到灰阶： v。0.2.1调用

14热度

1回答

绘制与seaborn

时间序列数据说我用下面创建一个完全随机Dataframe： from pandas.util import testing from random import randrange def random_date(start, end): delta = end - start int_delta = (delta.days * 24 * 60 * 60) + delta

0热度

1回答

从数据帧持有多个时间序列

序列化列说我有类似下面的数据框： date A B C D 2014-03-18 1.223777 0.356887 1.201624 1.968612 2014-03-18 0.160730 1.888415 0.306334 0.203939 2014-03-18 -0.203101 -0.161298 2.426540 0.056791 2014-03-18 -1.

6热度

1回答

带公式和R2文本的Seaborn implot

在我的常规数据分析工作中，自从seaborn软件包变为可用状态后，我已切换为使用100％python。非常感谢这个美好的包。但是，我错过的一个Excel图表功能是在使用lmplot（）函数时显示polyfit等式和/或R2值。有谁知道一个简单的方法来添加？

1热度

1回答

python matplotlib堆叠在一起的barcharts

数据的测试：我有一个测试程序，其中有3个部分增加了整个程序的能力，例如， part1在60％的数据上工作，part2在额外的10％上，part3在另外6％上。我想要做的是堆叠条显示“程序在绿色上工作的数据总量中，表示数量part1处理的数量，红色部分2和黄色部分3”。因为我已经在3套5个文件上测试了程序，我希望图形通过将来自每个数据集的5个barcharts分组在一起来反映出这一点，因此最终有

2热度

1回答

密度与频率

下面的两个地块传达大致相同的信息。左边的一个是直方图，其中Y轴表示频率（即如何经常我们看到与每个容器相关联的范围内的值）。右边的是密度（KDE估计）。 Y轴表示密度（积分应该合计为1）。我通常喜欢密度图（你可以调整，但Y轴通常是难以解释的。我知道KDE估计将返回的密度增加了1假设域的可变跨度从-Inf到Inf，但是有什么办法可以将从KDE估计产生的PDF映射到频率（例如，按比例增大值以获得

7热度

1回答

使用Seaborn FacetGrid绘制时间序列

我有一个DataFrame（data），带有一个简单的整数索引和5列。这些列是Date，Country,AgeGroup,Gender,Stat。（更改名称以保护无辜者。）我想生成一个FacetGrid，其中Country定义该行，AgeGroup定义该列，并且Gender定义色相。对于每一个细节，我想制作一个时间序列图。即我应该得到一系列图表，每个图表有2个时间序列（1男1女）。我可以得到非常

16热度

2回答

使用seaborn添加次要网格到matplotlib图

我是使用Matplotlib制作漂亮图的Seaborn包的粉丝。但我似乎无法弄清楚如何在我的情节中显示较小的网格线。 import numpy as np import matplotlib.pyplot as plt import seaborn as sbn x = np.linspace(0, 2 * np.pi, 100) y = np.sin(x) fig, ax = pl

4热度

1回答

添加框架并使用seaborn.kdeplot删除背景颜色和网格

我写了一个类来绘制一些数据点。我使用seaborn来制作kernel density情节，它导致（1）框架消失，我想要一个刚性框架和（2）有阴谋的网格与（3）背景颜色，我想摆脱他们。应该怎么做？另外，如何获得散点图的星形和多边形标记？ import seaborn import pandas import pylab as P import numpy as np class PlotLo

6热度

1回答

带有堆叠组件的直方图

假设我有一个过去90天里每天测量的值。我想绘制这些值的直方图，但我想让观看者容易看到过去90天内某些非重叠子集的测量结果。我想通过将直方图的每个小节“细分”为块来做到这一点。最早观察的一块，最近观察一块，最近观察一块。这听起来像是df.plot(kind='bar', stacked=True)的工作，但我无法正确地获取详细信息。这是我到目前为止有： import numpy as np i