数学建模社区-数学中国

标题: 数据可视化的利器-Seaborn简易入门 [打印本页]

作者: 2744557306 时间: 2023-11-27 11:01
标题: 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
  : g4 T5 T9 X, w5 n _& \0 y, a
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
  
  + Y- C9 }4 {5 y- Z, m/ g* i
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
  
  ) B8 m, f. U: ^# o4 D0 `9 l- N
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
  3 W, X3 \9 O+ U6 p0 @. z- R
Matrix plots 矩阵图
- heatmap() 热力图
- clustermap() 聚集图
  % x4 g6 l; N. O* k6 x, N
+ G8 R5 J$ Y1 M" A6 B* W3 [; S

Searborn-checkpoint.ipynb

1.94 MB, 下载次数: 0, 下载积分: 体力 -2 点

售价: 2 点体力 [记录] [购买]

欢迎光临数学建模社区-数学中国 (http://www.madio.net/)