Seaborn线图的数据可视化
在本文中，我们将继续进行Seaborn教程，并了解Seaborn Line Plot。
我们最近介绍了Seaborn HeatMaps，因此如果您有兴趣了解有关热图的更多信息，请随时查看。
什么是线图？
Seaborn是一个库，可用于在数据集中建立的模型的数据可视化中，以预测结果并分析数据的变化。
Seaborn线图以连续数据点格式描述连续值和分类值之间的关系。
在整个本文中，我们将使用以下数据集来操纵数据并形成线图。
在继续之前，请仔细阅读下面的数据集快照。
在下面的数据集中，数据变量" cyl"，" vs"，" am"，" gear"和" carb"是分类变量，因为所有数据值都属于某个类别或者值范围。
而剩余的数据列属于整数/连续变量，因为它们带有离散整数值。
绘制您的第一个Seaborn线图
为了从线图开始，我们需要使用以下命令将Seaborn库安装并导入到Python环境中：
语法：
pip install seaborn
完成安装后，将库导入到当前工作环境并使用功能
语法：
import seaborn
对于整个Seaborn系列，我们将使用Matplotlib库绘制数据并以适当的可视化方式显示。
使用Seaborn创建单线图
我们可以提供离散值或者使用数据集来创建Seaborn线图。
语法：
seaborn.lineplot(x, y, data)
- x：x轴的数据变量
- y：y轴的数据变量
- data：指向整个数据集或者数据值的对象
示例1：使用随机数据创建Seaborn线图
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
Year = [2012, 2014, 2015, 2017, 2021, 2022, 2016]
Profit = [80, 75.8, 74, 65, 99.5, 19, 33.6]
data_plot = pd.DataFrame({"Year":Year, "Profit":Profit})
sns.lineplot(x = "Year", y = "Profit", data=data_plot)
plt.show()
在下面的线图中，我们可以看到两个数据变量-"年"和"利润"之间的线性关系。
示例2：使用数据集创建线图并描述数据列之间的关系。
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
data = pd.read_csv("C:/mtcars.csv")
info = data.iloc[1:20,:5]
sns.lineplot(x = "drat", y = "mpg",data=info)
sns.set(style='dark',)
plt.show()
多个Seaborn线图
我们可以创建多条线以使同一空间或者图中的数据可视化。
我们可以使用相同或者多个数据列/数据变量，并完全描述它们之间的关系。
1.使用hue参数为多个数据点创建颜色
参数hue可用于对数据集的不同变量进行分组，并通过将列作为值传递给参数来帮助描述x和y轴数据列之间的关系。
语法：
seaborn.lineplot(x,y,data,hue)
例：
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
data = pd.read_csv("C:/mtcars.csv")
info = data.iloc[1:20,:5]
sns.lineplot(x = "drat", y = "mpg", data=info, hue="cyl")
plt.show()
如下图所示，它代表了三行具有不同配色方案的线，分别描绘了'drat'，'mpg'和'cyl'之间的关系。
2.使用样式参数绘制不同类型的线
我们可以将style参数设置为一个要与x和y轴一起显示的值，还可以指定不同的线结构：破折号，点(标记)等。
语法：
seaborn.lineplot(x, y, data, style)
范例2：
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
data = pd.read_csv("C:/mtcars.csv")
info = data.iloc[1:20,:5]
sns.lineplot(x = "drat", y = "mpg", data=info, hue="cyl", style="cyl")
plt.show()
可以清楚地看到，该图表示与" mpg"和" drat"相关的" cyl"值，并具有不同的线结构，即普通线，虚线和标记。
3.使用大小参数在Seaborn中绘制多个线图
我们甚至可以使用seaborn.lineplot()函数的size参数来表示要绘制的线的大小不同的多数据变量关系。
因此，根据数据的大小，它充当具有不同大小/宽度的分组变量。
语法：
seaborn.lineplot(x, y, data, size)
范例3：
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
data = pd.read_csv("C:/mtcars.csv")
info = data.iloc[1:20,]
sns.lineplot(x = "drat", y = "mpg", data=info, hue="gear",style="gear",size="gear")
plt.show()
与线图一起使用不同的调色板
Seaborn颜色图和调色板定义了可视化模型的颜色范围。
参数palette和hue可以用于根据数据变量确定颜色编码方案。
有关更多调色板，您可以在此处引用链接：调色板
语法：
seaborn.lineplot(x,y,data,hue,palette)
例：
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
data = pd.read_csv("C:/mtcars.csv")
info = data.iloc[1:20,]
sns.lineplot(x = "drat", y = "mpg", data=info, hue="gear", palette = "Set1")
plt.show()
误差线添加到线图
线图可用于定义图中的置信度水平/区间，以通过使用err_style参数来描述错误率。
语法：
seaborn.lineplot(x,y,data,err_style="bars")
例：
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
data = pd.read_csv("C:/mtcars.csv")
info = data.iloc[1:20,]
sns.lineplot(x = "cyl", y = "mpg",data=info, err_style="bars")
plt.show()
使用seaborn.set()函数设置不同的样式
Python的" seaborn.set()函数"可用于以不同的背景样式显示图。
语法：
seaborn.set(style)
例：
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
data = pd.read_csv("C:/mtcars.csv")
info = data.iloc[1:20,]
sns.lineplot(x = "cyl", y = "mpg",data=info,hue="gear")
sns.set(style='dark',)
plt.show()
