Dessiner un graphique linéaire

Supposons que vous le fassiez avec un notebook jupyter. Si vous le faites sur le terminal, vous devez enregistrer le graphique dans un fichier. Pour le sauvegarder, utilisez plt.savefig (" filename ").

Dessin avec pyplot


#Bibliothèque utilisée pour le calcul numérique
import numpy as np
import pandas as pd

#Bibliothèque pour dessiner des graphiques
from matplotlib import pyplot as plt

#Spécification pour l'affichage du graphique dans le notebook Jupyter
%matplotlib inline

x = np.array([0,1,2,3,4,5,6,7,8,9])
y = np.array([2,3,4,3,5,4,6,7,4,8])

plt.plot(x, y, color = 'black')
plt.title("lineplot matplotlib")
plt.xlabel("x")
plt.ylabel("y")

Dessin par seaborn


import seaborn as sns
sns.set()

plt.plot(x, y, color = 'black')
plt.title("lineplot seaborn")
plt.xlabel("x")
plt.ylabel("y")

Dessiner un histogramme


data = np.array([2,3,3,4,4,4,4,5,5,6])
sns.distplot(data, bins = 5, 
             color = 'black', kde = False)

--Définissez le nombre de groupes dans lesquels les données doivent être divisées avec des bacs. --Définir l'affichage / non-affichage de l'estimation de la densité du noyau [^ 1] avec kde

[^ 1]: Une des méthodes non paramétriques pour estimer la fonction de densité de probabilité des variables stochastiques en statistique.


sns.distplot(fish_data, color = 'black' norm_hist=True)

--`norm_hist` change l'axe vertical de sorte que la surface totale de l'histogramme soit 1.

Boîte à moustaches

sns.boxplot(x = "species", y  = "length", 
            data = multi, color = 'gray')

Parcelle de violon

Utilisation du résultat de l'estimation de la densité du noyau


sns.violinplot(x = "species", y  = "length", 
               data = multi, color = 'gray')

graphique à barres

sns.barplot(x = "species", y  = "length", 
            data = fish_multi, color = 'gray')

Nuage de points


sns.jointplot(x = "x", y = "y", 
              data = cov_data, color = 'black')

Retour en ligne droite

sns.lmplot(x = "temperature", y = "beer", data = D,
          scatter_kws = {"color": "black"},
          line_kws = {"color": "black"})

sns.lmplot(x = "price", y = "sales", data = sales,
          hue = "weather", palette = "gray")

référence

Shinya Baba, un manuel sur les statistiques apprises avec le nouveau Python

Dessin graphique avec python