版權(quán)聲明：本文為博主原創(chuàng)文章，遵循 CC 4.0 BY-SA 版權(quán)協(xié)議，轉(zhuǎn)載請(qǐng)附上原文出處鏈接和本聲明。
本文鏈接：https://blog.csdn.net/fenfenxhf/article/details/82859620
1.概念
seaborn就是在matplotlib基礎(chǔ)上面的封裝，方便直接傳參數(shù)調(diào)用
2.整體布局import seaborn as sns

sns.set_style("whitegrid") #橫坐標(biāo)有標(biāo)線，縱坐標(biāo)沒(méi)有標(biāo)線，背景白色
sns.set_style("darkgrid") #默認(rèn)，橫縱坐標(biāo)都有標(biāo)線，組成一個(gè)一個(gè)格子，背景稍微深色
sns.set_style("dark")#背景稍微深色，沒(méi)有標(biāo)線線
sns.set_style("white")#背景白色，沒(méi)有標(biāo)線線
sns.set_style("ticks") #xy軸都有非常短的小刻度
sns.despine(offset=30,left=True) #去掉上邊和右邊的軸線，offset=30表示距離軸線（x軸）的距離,left=True表示左邊的軸保留
1
2
3
4
5
6
3.子圖的整體布局

定義一個(gè)數(shù)據(jù)

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

def sinplot(flip=1): #自定義一個(gè)函數(shù)
?? ?x = np.linspace(0,14,100) #0-14取100個(gè)點(diǎn)

?? ?for i in range(1,7): #畫(huà)了7條線
?? ??? ?plt.plot(x,np.sin(x + i *0.5) * (7 - i) * flip) #sin函數(shù)
?? ?plt.show()

sinplot()
1
2
3
4
5
6
7
8
9
10
11
12

在不同的圖畫(huà)不同的風(fēng)格

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

def sinplot(flip=1): #自定義一個(gè)函數(shù)
?? ?x = np.linspace(0,14,100) #0-14取100個(gè)點(diǎn)

?? ?for i in range(1,7):
?? ??? ?plt.plot(x,np.sin(x + i *0.5) * (7 - i) * flip)
?? ?#plt.show()

#sinplot()

with sns.axes_style("darkgrid"): #with里面的用一種背景風(fēng)格
?? ?plt.subplot(211)
?? ?sinplot()
plt.subplot(212)
sinplot(-1)
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

4.調(diào)色板
默認(rèn)顏色主題

current_palette = sns.color_palette()
sns.palplot(current_palette)
plt.show()
1
2
3

當(dāng)需求顏色主題比默認(rèn)的要多的時(shí)候，可以用圓形畫(huà)板

current_palette = sns.color_palette("hls",12) ?#就是這里穿參數(shù)，一般使用“hls”,l是亮度，s是飽和度,12表示12種顏色
sns.palplot(current_palette)
plt.show()
1
2
3

自定義了顏色之后怎么使用呢？

current_palette = sns.color_palette("hls",12)

data = np.random.normal(size=(20,12)) + np.arange(12) / 2 #隨機(jī)生成的數(shù)據(jù)
sns.boxplot(data=data,palette=current_palette) #使用顏色就是傳遞參數(shù)給palette
plt.show()
1
2
3
4
5

還可以生成顏色對(duì)，比如說(shuō)一共4對(duì)數(shù)據(jù)，我們希望每對(duì)數(shù)據(jù)的顏色相近

current_palette = sns.color_palette("Paired",12)?
sns.palplot(current_palette)
plt.show()
1
2
3

連續(xù)畫(huà)板

current_palette = sns.color_palette("Blues") #直接傳顏色，有淺到深
#current_palette = sns.color_palette("Blues_r") ?#有深到淺
sns.palplot(current_palette)

plt.show()
1
2
3
4
5

顏色線性變化：cubehelix_palette()調(diào)色板

current_palette = sns.color_palette("cubehelix",8)
sns.palplot(current_palette)
plt.show()
1
2
3

light_palette()和dark_palette()調(diào)用定制連續(xù)調(diào)色板

sns.palplot(sns.light_palette("green"))
plt.show()
1
2

5.單變量的分析繪圖（當(dāng)我們拿到數(shù)據(jù)的時(shí)候需要先分析數(shù)據(jù)）

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
from scipy import stats,integrate
import pandas as pd

x = np.random.normal(size=100) #隨機(jī)生成100個(gè)數(shù)據(jù)
sns.distplot(x,bins=20,kde=False，fit=stats.gamma) #kde是需不需要計(jì)算核密度，bins是多少個(gè)小柱形，fit=stats.gamma看圖形變化的趨勢(shì)，如圖黑色的曲線
plt.show()
1
2
3
4
5
6
7
8
9

6.散點(diǎn)圖：畫(huà)特征和特征之間的關(guān)系可以用散點(diǎn)圖

sns.jointplot(x="x",y="y",data=dt)
1
sns.jointplot(x="x",y="y",kind="hex",data=dt) #hex就是可以畫(huà)出當(dāng)數(shù)據(jù)量很大時(shí)，我們可以通過(guò)顏色的差異來(lái)看看哪一塊數(shù)據(jù)量比較多
1
7.如果特征比較多可以用sns.pairplot(data)來(lái)畫(huà)特征和特征之間的關(guān)系

iris = sns.load_dataset("iris") #導(dǎo)入鳶尾花數(shù)據(jù)集
sns.pairplot(iris)
plt.show() #直方圖是單變量的分析，散點(diǎn)圖是特征之間的關(guān)系
1
2
3

8.用seaborn進(jìn)行回歸模型的畫(huà)圖sns.regplot() 或者sns.lmplot

tips = sns.load_dataset("tips") #導(dǎo)入tips數(shù)據(jù)集
sns.regplot(x="total_bill",y="tip",data=tips) #畫(huà)回歸圖
plt.show()
1
2
3

9.畫(huà)某個(gè)特征中不同屬性的值sns.stripplot()

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
from scipy import stats,integrate
import pandas as pd

iris = sns.load_dataset("iris")#導(dǎo)入鳶尾花數(shù)據(jù)集
tips = sns.load_dataset("tips") #導(dǎo)入tips數(shù)據(jù)集
titanic = sns.load_dataset("titanic") #導(dǎo)入泰坦的數(shù)據(jù)集
sns.stripplot(x="day",y="total_bill",data=tips,jitter=True)#jitter是數(shù)據(jù)點(diǎn)可以稍微偏離一些，這樣數(shù)據(jù)量大的時(shí)候可以避免畫(huà)的點(diǎn)全部集中在一起看不清
plt.show()
1
2
3
4
5
6
7
8
9
10
11

10.畫(huà)某個(gè)特征中不同屬性的數(shù)據(jù)單獨(dú)畫(huà)出來(lái)sns.FacetGrid()

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
from scipy import stats,integrate
import pandas as pd

tips = sns.load_dataset("tips") #導(dǎo)入tips數(shù)據(jù)集
g = sns.FacetGrid(tips,col="sex",hue="smoker") #將sex這列的數(shù)據(jù)按照不同的屬性分開(kāi)畫(huà)，同時(shí)加入條件是不是抽煙的
g.map(plt.scatter,"total_bill","tip")
g.add_legend() #顯示圖例
plt.show()
1
2
3
4
5
6
7
8
9
10
11

☆持續(xù)更新
————————————————
版權(quán)聲明：本文為CSDN博主「fenfenxhf」的原創(chuàng)文章，遵循 CC 4.0 BY-SA 版權(quán)協(xié)議，轉(zhuǎn)載請(qǐng)附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/fenfenxhf/article/details/82859620

總結(jié)

以上是生活随笔為你收集整理的Python的seaborn库(图比较炫)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。