数据可视化系列

• 2019 年 10 月 4 日
• 笔记

Seaborn简介

Seaborn主要用于统计绘图的，它是基于matplotlib进行了更高级的API封装。Seaborn比matplotlib更加易用，因为它避免了matplotlib中多种参数的设置。Seaborn与matplotlib关系，可以把Seaborn视为matplotlib的补充。

使用seaborn就能完成大多数情况下的统计图的绘制，做出很具有吸引力的图。

seaborn一共有5个大类21种图，其目录为：

-1. Relational plots 关系类图

• relplot() 关系类图(它是散点图和折线图的接口，散点图和折线图均可通过指定kind参数来绘制)
• scatterplot() 散点图
• lineplot() 折线图 -2. Categorical plots 分类图
• catplot() 分类图(它是下面8种图的接口，下面八种图表均可通过指定kind参数来绘制)
• stripplot() 分类散点图
• swarmplot() 分簇散点图(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 -3. 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，核密度估计图
• kdeplot() 核函数密度估计图
• 4.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
• 5.Matrix plots 矩阵图
• heatmap() 热力图
• clustermap() 聚集图

案例地址

案例代码已上传：Githubhttps://github.com/Vambooo/SeabornCN

整理制作：数据分析与可视化学研社