Python数据可视化: 使用Seaborn绘制年龄与中风关系图

本教程将演示如何使用Python的Seaborn库创建一个信息丰富的图形，以可视化年龄与中风之间的关系。

我们将使用以下步骤创建可视化图形：

导入必要的库: 首先，导入 seaborn 和 matplotlib.pyplot 库。2. 准备数据: 假设您有一个名为 d 的 Pandas DataFrame，其中包含 'age' 和 'stroke' 列。3. 创建图形: - 使用 sns.set() 函数设置 seaborn 的样式，包括使用 'ticks' 风格和 'SimHei' 字体，以便中文显示正常。 - 使用 plt.subplots() 创建一个画布和坐标轴对象，并设置图形的大小。 - 使用 sns.histplot() 函数绘制直方图，显示不同年龄段的中风和非中风人数分布。 - 使用 element='step' 参数将直方图的边框设为线型。 - 使用 fill=True 参数填充直方图的颜色。 - 使用 kde=True 参数显示核密度估计图。 - 使用 palette 参数指定调色板，例如 ['#00FF7F', '#FFD700']。 - 使用 sns.kdeplot() 函数分别绘制 'stroke' 值为 1（中风）和 0（无中风）的核密度估计图，以更平滑地显示年龄分布。 - 使用 fill=True 参数填充核密度图的颜色。 - 使用 alpha 参数设置透明度，例如 0.3。 - 使用 linewidth=0 参数去除线的边界。 - 使用 plt.title() 函数设置标题，例如 '年龄概率密度分布'。 - 使用 plt.xlabel() 和 plt.ylabel() 函数设置坐标轴标签，例如 '年龄' 和 '频数'。 - 使用 plt.legend() 函数设置图例，例如 title='Stroke', labels=['有中风', '无中风']，并将图例放置在右上角 loc='upper right'。 - 使用 sns.despine() 函数去除坐标轴的上、右边界。4. 显示图形: 最后，使用 plt.show() 函数显示图形。

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

sns.set(style='ticks', font='SimHei')fig, ax = plt.subplots(figsize=(8, 6))

sns.histplot(data=d, x='age', hue='stroke', element='step', fill=True, kde=True, palette=['#00FF7F', '#FFD700'])sns.kdeplot(data=d.loc[d['stroke'] == 1]['age'], color='#00FF7F', fill=True, alpha=0.3, linewidth=0)sns.kdeplot(data=d.loc[d['stroke'] == 0]['age'], color='#FFD700', fill=True, alpha=0.3, linewidth=0)

plt.title('年龄概率密度分布', fontsize=17)plt.xlabel('年龄')plt.ylabel('频数')plt.legend(title='Stroke', labels=['有中风', '无中风'], loc='upper right')sns.despine()

plt.show()

通过这段代码，您可以创建一个直观的年龄与中风关系图，并通过直方图和核密度估计图清晰地展示数据的分布情况。这将有助于您更好地理解数据，并为您的研究或分析提供有价值的见解。