Python数据可视化: 使用Seaborn Displot绘制年龄与中风关系图

本文将介绍如何使用Python的Seaborn库中的displot()函数来创建直方图和核密度估计图，以可视化年龄与中风之间的关系。

代码示例pythonimport seaborn as snsimport matplotlib.pyplot as plt

假设你的数据存储在名为'd'的Pandas DataFrame中，包含'age'和'stroke'列

sns.displot(data=d, x='age', hue='stroke', kde=True, multiple='fill', palette=['#00FF7F', '#FFD700'])plt.title('年龄与中风关系', fontproperties='SimHei', fontsize=17)plt.legend(title='中风', labels=['有中风', '无中风'], loc='lower right')plt.xlabel('年龄')plt.ylabel('数量')plt.show()

代码解释

1. 导入必要的库: 首先，我们需要导入seaborn和matplotlib.pyplot库。2. 准备数据: 假设你的数据存储在一个名为d的Pandas DataFrame中，其中包含age和stroke列。3. 使用displot()函数: displot()函数用于创建直方图和核密度估计图。 * data: 指定要使用的数据集。 * x: 指定要绘制的变量，这里是'age'。 * hue: 指定分组变量，这里是'stroke'，用于区分有中风和无中风的人群。 * kde: 设置为True以显示核密度估计曲线。 * multiple: 设置为'fill'以堆叠方式显示直方图。 * palette: 指定颜色列表，用于区分不同组的颜色。4. 设置标题和标签: 使用plt.title()设置图表标题，使用plt.xlabel()和plt.ylabel()设置x轴和y轴标签。5. 设置图例: 使用plt.legend()添加图例，并使用title和labels参数设置图例标题和标签内容。6. 显示图形: 最后，使用plt.show()函数显示图形。

总结

通过使用Seaborn库中的displot()函数，我们可以轻松创建信息丰富的可视化图表，以了解年龄与中风之间的关系。 这段代码清晰易懂，可以帮助你快速入门Python数据可视化，并根据自己的数据进行调整。