数据可视化的利器-Seaborn简易入门
在本文中为大家推荐seaborn模块，本文提供了学习该模块的ipynb文件，利用python软件打开，就可以详细学习了，具体项目在链接中，接下来为大家简单介绍一下该模块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
页:
[1]