Py之seaborn:seaborn库的简介、安装、使用方法之详细攻略
Py之seaborn:seaborn庫的簡介、安裝、使用方法之詳細攻略
目錄
seaborn庫的簡介
seaborn庫的安裝
seaborn庫的使用方法
0、相關文章
1、案例應用
相關文章
Py之seaborn:seaborn庫的簡介、安裝、使用方法之詳細攻略
Py之seaborn:數據可視化seaborn庫(一)的柱狀圖、箱線圖(置信區間圖)、散點圖/折線圖、核密度圖/等高線圖、盒形圖/小提琴圖/LV多框圖的簡介、使用方法之最強攻略(建議收藏)
Py之seaborn:數據可視化seaborn庫(二)的組合圖可視化之密度圖/核密度圖分布可視化、箱型圖/散點圖、小提琴圖/散點圖組合可視化的簡介、使用方法之最強攻略(建議收藏)
Py之seaborn:數據可視化seaborn庫(三)的矩陣圖可視化之jointplot函數、JointGrid函數、pairplot函數、PairGrid函數、FacetGrid函數的簡介、使用方法之最強攻略(建議收藏)
seaborn庫的簡介
? ? Seabn是一個在Python中制作有吸引力和豐富信息的統計圖形的庫。它構建在MatPultLB的頂部,與PyDATA棧緊密集成,包括對SIMPY和BANDA數據結構的支持以及SISPY和STATSMODEL的統計例程。
? ? Seaborn 其實是在matplotlib的基礎上進行了更高級的 API 封裝,從而使得作圖更加容易 在大多數情況下使用seaborn就能做出很具有吸引力的圖,而使用matplotlib就能制作具有更多特色的圖。應該把Seaborn視為matplotlib的補充。Seabn是基于MatPultLB的Python可視化庫。它為繪制有吸引力的統計圖形提供了一個高級接口。
Official seaborn tutorial
Seaborn 官方介紹
seaborn: statistical data visualization
seaborn提供的一些特點是
在默認MatMattLIB美學中改進的幾個內置主題:
- 1、選擇顏色調色板的工具來繪制數據中的模式
- 2、用于可視化單變量和二變量分布或用于在數據子集之間進行比較的功能
- 3、擬合和可視化不同類型獨立變量和因變量的線性回歸模型的工具
- 4、可視化數據矩陣并使用聚類算法發現這些矩陣中的結構的函數
- 5、一種靈活估計統計時間序列數據的函數及其估計的不確定性表示
- 6、構造抽象網格的高級抽象,讓您輕松地構建復雜的可視化
seaborn庫的安裝
pip install seabornseaborn庫的使用方法
0、相關文章
Py之matplotlib:matplotlib、seaborn兩種庫繪圖(封裝函數)最強總結
1、案例應用
import numpy as np import seaborn as sns import matplotlib.pyplot as plt sns.set( palette="muted", color_codes=True) rs = np.random.RandomState(10) d = rs.normal(size=100) f, axes = plt.subplots(2, 2, figsize=(7, 7), sharex=True) plt.title('seaborn: statistical data visualization') sns.distplot(d, kde=False, color="b", ax=axes[0, 0]) sns.distplot(d, hist=False, rug=True, color="r", ax=axes[0, 1]) sns.distplot(d, hist=False, color="g", kde_kws={"shade": True}, ax=axes[1, 0]) sns.distplot(d, color="m", ax=axes[1, 1]) plt.show()參考官網:
seaborn 0.8.1
好文推薦
Python數據可視化-seaborn?
?
總結
以上是生活随笔為你收集整理的Py之seaborn:seaborn库的简介、安装、使用方法之详细攻略的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: DeepID:Python基于Caffe
- 下一篇: PyTorch:采用sklearn 工具