数据可视化的利器-Seaborn简易入门

数据可视化的利器-Seaborn简易入门

Seaborn是针对统计绘图的，一般来说，Seaborn能满足数据分析90%的绘图需求。本站整理的Seaborn的41个样例代码，在github进行分享，绝大部分数据可视化的问题可以参考这里的样例代码。

Matplotlib试着让简单的事情更加简单，困难的事情变得可能，而Seaborn就是让困难的东西更加简单。

Seaborn是针对统计绘图的，一般来说，Seaborn能满足数据分析90%的绘图需求。

Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用Seaborn就能做出很具有吸引力的图，应该把Seaborn视为matplotlib的补充，而不是替代物。

用matplotlib最大的困难是其默认的各种参数，而Seaborn则完全避免了这一问题。

seaborn一共有5个大类21种图，分别是：

Relational plots 关系类图表

relplot() 关系类图表的接口，其实是下面两种图的集成，通过指定kind参数可以画出下面的两种图scatterplot() 散点图lineplot() 折线图

Categorical plots 分类图表

catplot() 分类图表的接口，其实是下面八种图表的集成，通过指定kind参数可以画出下面的八种图stripplot() 分类散点图swarmplot() 能够显示分布密度的分类散点图boxplot() 箱图violinplot() 小提琴图boxenplot() 增强箱图pointplot() 点图barplot() 条形图countplot() 计数图

Distribution plot 分布图

jointplot() 双变量关系图pairplot() 变量关系组图distplot() 直方图，质量估计图kdeplot() 核函数密度估计图rugplot() 将数组中的数据点绘制为轴上的数据

Regression plots 回归图

lmplot() 回归模型图regplot() 线性回归图residplot() 线性回归残差图

Matrix plots 矩阵图

heatmap() 热力图clustermap() 聚集图

github地址：

​​notebook格式，Seaborn.ipynb包含共41个Seaborn的样例代码，只需要修改数据源就能画出类似下图这样的图表。

（Seaborn内置了不少样例数据，为dataframe类型， 命令：​​df = sns.load_dataset("anscombe")​​​即读取“​​anscombe​​​”样例数据，如果要查看数据，可以使用类似​​df.head()​​命令查看，绘图的时候替换为自己的数据即可。）

部分效果

参考：

​​http://seaborn.pydata.org/examples/index.html​​

请关注和分享↓↓↓

机器学习初学者

QQ群：554839127

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。