Python Seaborn 绘图示例

import matplotlib.pyplot as plt
import pandas as pd
import matplotlib as mat
import seaborn as sns

# 创建第一个数据集
data = pd.DataFrame({
    'month': [14, 25, 25, 25, 33, 22],
    'y': [15, 14, 11, 21, 11, 25]
})

# 创建第二个数据集
b_data = pd.DataFrame({
    'c': ['A', 'A', 'B', 'B', 'C', 'C'],
    'b': [3, 5, 9, 15, 2, 15]
})

# 设置图形标题
plt.title('goods sell condition')
# 设置 x 轴标签
plt.xlabel('month')
# 设置 y 轴标签
plt.ylabel('numer')

# 绘制箱线图
sns.boxplot(data=b_data, x='c', y='b')

# 显示图形
plt.show()

代码分析

1. 导入必要的库

import matplotlib.pyplot as plt
import pandas as pd
import matplotlib as mat
import seaborn as sns

• matplotlib.pyplot：这是 Python 中用于绘制图形的常用库，plt 是其常用的别名，用于创建和操作图形。
• pandas：用于数据处理和分析，pd 是其常用别名，可方便地处理和操作数据框（DataFrame）。
• matplotlib：matplotlib 是 Python 中强大的绘图库，这里将其导入，但在代码中未直接使用 mat 进行操作。
• seaborn：是基于 matplotlib 的统计数据可视化库，提供了更高级的绘图接口，能创建美观的统计图形，sns 是其常用别名。

2. 创建数据集 

import matplotlib.pyplot as plt
import pandas as pd
import matplotlib as mat
import seaborn as sns

• data 是一个包含两列（month 和 y）的数据框，可用于后续的绘图操作。这里的数据可能代表了不同月份对应的某个数值（例如销售量）。
• b_data 是另一个数据框，包含两列（c 和 b）。c 列包含分类变量（A, B, C），b 列包含数值变量，通常用于展示不同分类下的数值分布情况。

3. 设置图形标签 

plt.title('goods sell condition')
plt.xlabel('month')
plt.ylabel('number')

• plt.title()：设置图形的标题，这里表示商品销售情况。
• plt.xlabel()：设置 x 轴的标签，这里表示月份。
• plt.ylabel()：设置 y 轴的标签，这里表示数量

4. 绘制箱线图 

sns.boxplot(data=b_data, x='c', y='b')

• sns.boxplot()：使用 seaborn 库的 boxplot 函数绘制箱线图。
• data=b_data：指定要使用的数据框为 b_data。
• x='c'：指定 x 轴为分类变量 c。
• y='b'：指定 y 轴为数值变量 b。

箱线图是一种用于展示数据分布的统计图形，它可以显示数据的中位数、四分位数、异常值等信息。通过箱线图，我们可以直观地比较不同分类下数值的分布情况，例如数据的集中趋势、离散程度等。 

plt.show()

• plt.show()：用于显示绘制好的图形。