Seaborn.scatterplot() 方法

Seaborn.scatterplot() 方法有助于绘制具有多个语义分组可能性的散点图。也就是说，可以对变量进行分组，并可以绘制这些变量的图形表示。

散点图是图形的一个例子，它是一种数据可视化工具，用于表示一组数据点中任意两点之间的关系。它们用于绘制可以借助色调、大小和样式参数进行增强的二维图形。该图可以独立地映射到三个变量，但该图很难解释并且通常无效。在这种情况下，我们可以使用冗余语义来使图形更易于访问。

语法

seaborn.scatterplot() 函数的语法如下。

seaborn.scatterplot(*, x=None, y=None, hue=None, style=None, size=None, data=None, palette=None, hue_order=None, hue_norm=None, sizes=None, size_order=None, size_norm=None, markers=True, style_order=None, x_bins=None, y_bins=None, units=None, estimator=None, ci=95, n_boot=1000, alpha=None, x_jitter=None, y_jitter=None, legend='auto', ax=None, **kwargs)

参数

scatterplot() 方法的一些参数在下面讨论。

S.No	参数及说明
1	x,y 在 x,y 轴上表示的变量。
2	Hue 这将产生具有不同颜色的元素。它是一个分组变量。
3	Size 这将产生不同尺寸的元素。它也是一个分组变量。
4	Style 这将产生具有不同样式的元素。
5	Data 此参数采用输入数据结构。那是映射或序列。
7	Hue_order 在色调语义中绘制分类变量的顺序。
8	Kind 对应于要绘制的图的种类。可以是线或散点。散点图是默认设置。
9	Palette 此参数用于设置贴图的色调。它可以是明亮的、柔和的、深色的等等。
10	Height, width 这些是确定图的高度和宽度的标量。
11	Legend() 可以是"auto"、"brief"、"full"或"false"。根据给定的值，组将放置在图例中。
12	Ci() 聚合估算器时置信区间的大小。

返回值

scatterplot() 方法返回包含标绘点的 matplotlib 轴。

加载 Seaborn 库

让我们在继续开发绘图之前加载 Seaborn 库和数据集。要加载或导入 Seaborn 库，可以使用以下代码行。

Import seaborn as sns

加载数据集

在本文中，我们将使用 Seaborn 库中内置的 Titanic 数据集。以下命令用于加载数据集。

dts=sns.load_dataset("titanic")

下面提到的命令用于查看数据集中的前 5 行。这使我们能够了解哪些变量可用于绘制图形。

dts.head()

以下是上述代码的输出。

index,survived,pclass,sex,age,sibsp,parch,fare,embarked,class,who,adult_male,deck,embark_town,alive,alone
0,0,3,male,22.0,1,0,7.25,S,Third,man,true,NaN,Southampton,no,false
1,1,1,female,38.0,1,0,71.2833,C,First,woman,false,C,Cherbourg,yes,false
2,1,3,female,26.0,0,0,7.925,S,Third,woman,false,NaN,Southampton,yes,true

示例 1

第一个示例将展示如何使用函数中的三个参数绘制基本散点图。

import seaborn as sns
import matplotlib.pyplot as plt
dts=sns.load_dataset("titanic")
dts.head()
sns.scatterplot(data=dts,x="age",y="fare",hue="sex")
plt.show()

输出

此处，图表绘制为男性和女性性别的年龄和票价之间的关系。

改变调色板颜色

要更改绘图的调色板颜色，可以使用以下代码行。

sns.set_palette("muted")

示例 2

此示例将显示 scatterplot() 方法中 4 个参数的用法。

对于此数据集，此图有助于查看不同类别人群的不同性别的年龄和票价之间的差异。

import seaborn as sns
import matplotlib.pyplot as plt
dts=sns.load_dataset("titanic")
dts.head()
sns.scatterplot(data=dts,x="age",y="fare",hue="class",style="sex")
plt.show()

输出

示例 3

在这个例子中，我们将了解如何使用参数图例和尺寸。 Legend 是决定哪些数据应该放在图例中的参数。如果它已满，则所有组都将放置在图例中，只有一些会放置。因此，在此示例中，数据集中的所有组都将放置在图例中。

尺寸决定了如何为"size"参数选择尺寸。因此，在此示例中，大小最小为 20，最大为 70。这意味着对于大小参数，显示的数据点将在此大小范围内变化。

import seaborn as sns
import matplotlib.pyplot as plt
dts=sns.load_dataset("titanic")
dts.head()
sns.scatterplot( data=dts, x="age", y="fare", hue="survived",size="survived", sizes=(20, 70), legend="full" )
plt.show()

输出

示例 4

在这个例子中，我们将传递一个新的参数 hue_norm ，它将采用数字或字符串值。它基本上用于指定"hue"参数中给定的分类变量的处理和绘图顺序。

我们使用的 hue_norm 值为 (0,3)。这意味着对于 survived 变量，值从 0 到 3，具体取决于数据集中 survived 列的值。

import seaborn as sns
import matplotlib.pyplot as plt
dts=sns.load_dataset("titanic")
dts.head()
sns.scatterplot(
data=dts, x="age", y="fare", hue="survived", size="survived",
sizes=(20, 70),hue_norm=(0, 3), legend="full",palette="deep"
)
plt.show()