数据可视化的利器-Seaborn简易入门

2744557306

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
" o+ h4 l4 o3 ?7 K, S! d

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
    
    2 F' L" @7 y' Y( |  z! x( _; {5 x
• 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
    
      G2 M2 m& j) m
• 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
    
    6 r( `6 D* _6 ?7 Y/ y' p. ?
• 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
    
    8 E* O7 ]  X+ x; d( y8 Q& E
• Matrix plots 矩阵图
  • heatmap() 热力图
  • clustermap() 聚集图
    
    
  
  8 d: C& a" Y/ t3 v. w9 x4 u7 w3 g

$ ?3 J/ S  Y: M5 E  U# G4 z( D# T