二、散點圖

import seaborn as sns
import matplotlib.pyplot as plt
sns.set_theme(style = 'whitegrid')

# 載入 diamonds 數據集
diamonds = sns.load_dataset('diamonds')

diamonds.head()

# 畫出 點的大小 和 顏色 不同的高維散點圖
f, ax = plt.subplots(figsize = (6.5, 6.5))
sns.despine(f, left = True, bottom = True)
clarity_ranking = ['I1', 'SI2', 'SI1', 'VS2', 'VS1', 'VVS2', 'VVS1', 'IF']
sns.scatterplot(
    x = 'carat', y = 'price',
    hue = 'clarity', size = 'depth',
    palette = 'ch:r=-.2,d=.3_r',
    hue_order = clarity_ranking,
    sizes = (1, 8), linewidth = 0,
    data = diamonds, ax = ax
) # hue: 色調，size: 大小

​

​

sns.scatterplot() 其他案例

來自：https://seaborn.pydata.org/generated/seaborn.scatterplot.html#seaborn.scatterplot

註：seaborn 數據集下載地址 https://github.com/mwaskom/seaborn-data

## 導入數據集
import pandas as pd
tips = pd.read_csv("../../seaborn-data-master/tips.csv")
tips.head()

example 1

## 以 total_bill 為 x 軸，tip 為 y 軸，繪製散點圖
sns.scatterplot(data = tips, x = 'total_bill', y = 'tip')

​

​

example 2

## 以 total_bill 為 x 軸，tip 為 y 軸，time 為分類因數，畫出不同 time 類的散點圖（用不同顏色區分）
sns.scatterplot(data = tips, x = 'total_bill', y = 'tip', hue = 'time')

​

​

example 3

## 在 example 的基礎上，增加散點形狀區分的條件
sns.scatterplot(data = tips, x = 'total_bill', y = 'tip', hue = 'time', style = 'time')

​

​

example 4

## 散點的形狀和顏色的分類依據可以不同
sns.scatterplot(data = tips, x = 'total_bill', y = 'tip', hue = 'day', style = 'time')

​

​

example 5

# 若分配給色版的變數是數字，會使用不同的預設調色板
sns.scatterplot(data = tips, x = 'total_bill', y = 'tip', hue = 'size')

​

​

example 6

## 可以使用 palette 更改色調
sns.scatterplot(data = tips, x = 'total_bill', y = 'tip', hue = 'size', palette = 'deep')

​

​

example 7

## 如果有大量的唯一數值，圖例將顯示一個具有代表性的等間距集合
tip_rate = tips.eval('tip / total_bill').rename('tip_rate')
sns.scatterplot(data = tips, x = 'total_bill', y = 'tip', hue = tip_rate)

​

​

example 8

## 在 example 5 的基礎上還能增加點的大小
sns.scatterplot(data = tips, x = 'total_bill', y = 'tip', hue = 'size', size = 'size')

​

​

example 9

## 可以更改散點的大小
sns.scatterplot(
    data = tips, x = 'total_bill', y = 'tip', hue = 'size', size = 'size',
    sizes = (20, 200), legend = 'full'
)

​

​

example 10

## 傳入一個元組或matplotlib.colors.Normalize以控制色調
sns.scatterplot(
    data = tips, x = 'total_bill', y = 'tip', hue = 'size', size = 'size',
    sizes = (20, 200), hue_norm = (0,7), legend = 'full'
)

​

example 11

## 傳入一個字典控制散點形狀
markers = {'Lunch' : 's', 'Dinner' : 'X'}
sns.scatterplot(data = tips, x = 'total_bill', y = 'tip', style = 'time', markers = markers)

​

​

example 12

sns.scatterplot(data = tips, x = 'total_bill', y = 'tip', s = 100, color = '.2', marker = "+")

​

example 13

## 可以繪製不同 類型 數據 的 時間序列圖像
import numpy as np
import pandas as pd
index = pd.date_range("1 1 2000", periods=100, freq='m', name='date')
data = np.random.randn(100, 4).cumsum(axis=0)
wide_df = pd.DataFrame(data, index, ['a','b','c','d'])
sns.scatterplot(data=wide_df)

​

​

wide_df.head()

example 14

## 按類別拆分數據，畫到不同的子圖上
sns.relplot(
    data = tips, x = 'total_bill', y = 'tip',
    col = 'time', hue = 'day', style = 'day',
    kind = 'scatter'
)

​