2021年第一篇博客

1.Seaborn介绍

为了使用Python分析一组数据，我们使用了Matplotlib，这是一个广泛实现的2D绘图库。同样，Seaborn是Python中的可视化库。它建立在Matplotlib之上。

Seaborn有助于解决Matplotlib面临的两个主要问题; 问题是

• 默认的Matplotlib参数
• 使用数据框架

随着Seaborn对Matplotlib的称赞和扩展，学习曲线非常渐进。如果你知道Matplotlib，你已经在Seaborn的中途了。

Seaborn构建于Python的核心可视化库Matplotlib之上。它旨在作为补充，而不是替代。然而，Seaborn带有一些非常重要的功能。我们在这里看一些。这些功能有助于

• 内置主题的样式matplotlib图形
• 可视化单变量和双变量数据
• 拟合并可视化线性回归模型
• 绘制统计时间序列数据
• Seaborn与NumPy和Pandas数据结构配合良好
• 它内置了Matplotlib图形样式的主题

在大多数情况下，您仍然可以使用Matplotlib进行简单的绘图。建议使用Matplotlib的知识来调整Seaborn的默认图。

2.Seaborn环境配置

#pip安装
pip install seaborn
#或者anaconda安装
conda install seaborn

3.Seaborn自带数据集

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
#打印seaborn自带的数据集名字
print(sns.get_dataset_names())

结果如下：

访问其中的数据集（很不稳定，经常因为网络原因访问失败）

#访问数据集
data=sns.load_dataset("dots")
print(data.head(10))

这里我们将数据集下载下来给大家
链接: 百度网盘seaborn数据集链接.
提取码：ytgb

4.Seaborn图样式

操作样式的界面是 set_style（） 。使用此功能可以设置绘图的主题。根据最新更新版本，以下是可用的五个主题。

• Darkgrid
• Whitegrid
• Dark
• White
• Ticks

例如：

import seaborn as sns
sns.set_style('Darkgrid')

5.Seaborn调色板

#Seaborn提供了一个名为 color_palette（） 的函数，可用于为图表添加颜色并为其添加更多美学价值。
seaborn.color_palette（palette = None，n_colors = None，desat = None）

参数解释：

参数	解释
n_colors	调色板中的颜色数。如果为None，则默认值取决于指定调色板的方式。默认情况下，n_colors的值为10种颜色。
desat	每种颜色去饱和的比例。

from matplotlib import pyplot as plt
import seaborn as sns
#实例化一个调色板
current_palette = sns.color_palette()
#seaborn.palplot（） 可将调色板颜色水平排列
sns.palplot(current_palette)
plt.show()

结果如下：
设置连续颜色的调色板

import seaborn as sns
from matplotlib import pyplot as plt
#设置连续颜色的调色板
current_palette = sns.color_palette()
sns.palplot(sns.color_palette("Greens"))
plt.show()

结果如下：

在画图中，函数 color_palette（） 有一个名为 set_palette（） 的伴侣，set_palette（）可以设置画图时的颜色

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib import pyplot as plt
x = np.linspace(0, 14, 100)
y=np.sin(x)
#将线条的颜色设置为绿色，且深浅等级为4
sns.set_palette("Greens",4)
plt.plot(x,y)
plt.show()

结果如下：

6.Seaborn条形图

seaborn.distplot(data,bins,hist,kde)

变量	解释
data	1d数组或列表
bins	组织箱的规格
hist	布尔
kde	布尔

实现：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib import pyplot as plt
data=pd.read_csv(r'C:\Users\Administrator\Desktop\seaborn-data-master\iris.csv')
#displot选择出数据单一变量，快速查看单变量
sns.displot(data['petal_length'],kde=False)
plt.show()

7.Seaborn核密度估计

核密度估计（KDE）是一种估计连续随机变量的概率密度函数的方法。它用于非参数分析。

seaborn.kdeplot(data, data2=None, shade=False, 
                vertical=False, kernel='gau', bw='scott',
                gridsize=100, cut=3, clip=None,
                legend=True, cumulative=False,
                shade_lowest=True, cbar=False, 
                cbar_ax=None, cbar_kws=None, ax=None, **kwargs)

例：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib import pyplot as plt
data=pd.read_csv(r'C:\Users\Administrator\Desktop\seaborn-data-master\iris.csv')
#displot选择出数据单一变量，快速查看单变量
sns.kdeplot(data['petal_length'])
plt.show()

结果如下：

8.Seaborn散点图

seaborn.scatterplot(x=None, y=None, hue=None, style=None, size=None, 
data=None, palette=None, hue_order=None, hue_norm=None, sizes=None, 
size_order=None, size_norm=None, markers=True, style_order=None,
 x_bins=None, y_bins=None, units=None, estimator=None, ci=95, n_boot=1000, 
 alpha='auto', x_jitter=None, y_jitter=None, legend='brief', ax=None, **kwargs)

参数	解释
x，y	容易理解就是你需要传入的数据，一般为dataframe中的列；
hue	也是具体的某一可以用做分类的列，作用是分类；
data	是你的数据集，可要可不要，一般都是dataframe；
style	绘图的风格（后面单独介绍）；
size	绘图的大小（后面介绍）；
palette	调色板（后面单独介绍）；
markers	绘图的形状（后面介绍）；
ci	允许的误差范围（空值误差的百分比，0-100之间），可为‘sd’，则采用标准差（默认95）；
n_boot（int）	计算置信区间要使用的迭代次数；
alpha	透明度；
x_jitter，y_jitter	设置点的抖动程度。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib import pyplot as plt
data1=pd.read_csv(r'C:\Users\Administrator\Desktop\seaborn-data-master\iris.csv')
#displot选择出数据单一变量，快速查看单变量
sns.scatterplot('petal_length','petal_width',data=data1)
plt.show()

结果如下：

这里只是初步介绍了几种简单的图表，seaborn还能画出箱线图、联合分布图、热力图、小提琴图等等，以后接着介绍。

标签：None,plt,seaborn,python,统计图,Seaborn,sns,import
来源： https://blog.csdn.net/weixin_48077303/article/details/112094815