查看原文
其他

数据可视化的利器-Seaborn简易入门

机器学习初学者 机器学习初学者 2022-05-16

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。本站整理的Seaborn的41个样例代码,在github进行分享,绝大部分数据可视化的问题可以参考这里的样例代码。


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

  1. 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

  2. scatterplot() 散点图

  3. lineplot() 折线图

  • Categorical plots 分类图表

    1. 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

    2. stripplot() 分类散点图

    3. swarmplot() 能够显示分布密度的分类散点图

    4. boxplot() 箱图

    5. violinplot() 小提琴图

    6. boxenplot() 增强箱图

    7. pointplot() 点图

    8. barplot() 条形图

    9. countplot() 计数图

  • Distribution plot 分布图

    1. jointplot() 双变量关系图

    2. pairplot() 变量关系组图

    3. distplot() 直方图,质量估计图

    4. kdeplot() 核函数密度估计图

    5. rugplot() 将数组中的数据点绘制为轴上的数据

  • Regression plots 回归图

    1. lmplot() 回归模型图

    2. regplot() 线性回归图

    3. residplot() 线性回归残差图

  • Matrix plots 矩阵图

    1. heatmap() 热力图

    2. clustermap() 聚集图

    github地址:

    https://github.com/fengdu78/machine_learning_beginner/tree/master/seaborn

    主要内容:

    Jupyter notebook格式,Seaborn.ipynb包含共41个Seaborn的样例代码,只需要修改数据源就能画出类似下图这样的图表。

    Seaborn内置了不少样例数据,为dataframe类型, 命令:df = sns.load_dataset("anscombe")即读取“anscombe”样例数据,如果要查看数据,可以使用类似df.head()命令查看,绘图的时候替换为自己的数据即可。

    部分效果

    参考:

    http://seaborn.pydata.org/examples/index.html

    请关注和分享↓↓↓ 

    机器学习初学者

    QQ群:554839127

    (注意:本站有6个qq群,加入过任何一个的不需要再加)

    往期精彩回顾

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存