对红酒质量数据集生成5个可视化图表,python实现,要求美化

好的，我可以为您生成红酒质量数据集的可视化图表，以下是代码和图表，希望您喜欢！

首先，我们需要导入必要的库和数据集：

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

# 读取数据集
df = pd.read_csv('winequality-red.csv', sep=';')

接下来，我们可以生成5个美化的可视化图表：

1. 箱线图

箱线图可以很好地展示数据的分布情况。

# 箱线图
plt.figure(figsize=(10, 6))
sns.boxplot(x='quality', y='alcohol', data=df)
plt.title('Boxplot of Alcohol content by Quality')
plt.xlabel('Quality')
plt.ylabel('Alcohol content')
plt.show()


2. 直方图

直方图可以展示数据的分布情况，可以用于观察数据是否符合正态分布。

# 直方图
plt.figure(figsize=(10, 6))
sns.histplot(x='alcohol', data=df, kde=True)
plt.title('Histogram of Alcohol content')
plt.xlabel('Alcohol content')
plt.ylabel('Count')
plt.show()


3. 散点图

散点图可以展示两个变量之间的关系。

# 散点图
plt.figure(figsize=(10, 6))
sns.scatterplot(x='volatile acidity', y='citric acid', hue='quality', data=df)
plt.title('Scatterplot of Volatile Acidity and Citric Acid by Quality')
plt.xlabel('Volatile Acidity')
plt.ylabel('Citric Acid')
plt.show()


4. 热力图

热力图可以展示两个变量之间的关系，并且可以用颜色来表示变量之间的强度。

# 热力图
plt.figure(figsize=(10, 6))
sns.heatmap(df.corr(), annot=True)
plt.title('Correlation Heatmap')
plt.show()


5. 条形图

条形图可以展示不同类别之间的比较。

# 条形图
plt.figure(figsize=(10, 6))
sns.barplot(x='quality', y='alcohol', data=df)
plt.title('Barplot of Alcohol content by Quality')
plt.xlabel('Quality')
plt.ylabel('Alcohol content')
plt.show()


以上就是我为您生成的红酒质量数据集的可视化图表，希望对您有所帮助！