Table of Contents

1  set_style( )  set( )

2  distplot( )  kdeplot( )

3  箱型图 boxplot( )

4  联合分布jointplot( )

5  热点图heatmap( )

6  pairplot( )

7  FacetGrid( )

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。这里实例采用的数据集都是seaborn提供的几个经典数据集 dataset文件可见于Github。本博客只总结了一些 方便博主自己查询 详细介绍可以看seaborn官方API和example gallery 官方文档还是写的很好的。

set_style( )是用来设置主题的 Seaborn有五个预设好的主题 darkgrid , whitegrid , dark , white ,和 ticks  默认  darkgrid

import matplotlib.pyplot as pltimport seaborn as snssns.set_style( whitegrid )plt.plot(np.arange(10))plt.show()

set( )通过设置参数可以用来设置背景 调色板等 更加常用。

import seaborn as snsimport matplotlib.pyplot as pltsns.set(style white , palette muted , color_codes True) #set( )设置主题 调色板更常用plt.plot(np.arange(10))plt.show()

distplot( )为hist加强版 kdeplot( )为密度曲线图 

import matplotlib.pyplot as pltimport seaborn as snsdf_iris pd.read_csv( ../input/iris.csv )fig, axes plt.subplots(1,2)sns.distplot(df_iris[ petal length ], ax axes[0], kde True, rug True) # kde 密度曲线 rug 边际毛毯sns.kdeplot(df_iris[ petal length ], ax axes[1], shade True) # shade 阴影 plt.show()

import numpy as npimport seaborn as snsimport matplotlib.pyplot as pltsns.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)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()

import matplotlib.pyplot as pltimport seaborn as snsdf_iris pd.read_csv( ../input/iris.csv )sns.boxplot(x df_iris[ class ],y df_iris[ sepal width ])plt.show()

import matplotlib.pyplot as pltimport seaborn as snstips pd.read_csv( ../input/tips.csv )sns.set(style ticks ) #设置主题sns.boxplot(x day , y total_bill , hue sex , data tips, palette PRGn ) #palette 调色板plt.show()

tips pd.read_csv( ../input/tips.csv ) #右上角显示相关系数sns.jointplot( total_bill , tip , tips)plt.show()

tips pd.read_csv( ../input/tips.csv )sns.jointplot( total_bill , tip , tips, kind reg ) plt.show()

import matplotlib.pyplot as pltimport seaborn as snsdata pd.read_csv( ../input/car_crashes.csv )data data.corr()sns.heatmap(data)plt.show()

import matplotlib.pyplot as pltimport seaborn as snsdata pd.read_csv( ../input/iris.csv )sns.set() #使用默认配色sns.pairplot(data,hue class ) #hue 选择分类列plt.show()

import seaborn as snsimport matplotlib.pyplot as pltiris pd.read_csv( ../input/iris.csv )sns.pairplot(iris, vars [ sepal width , sepal length ],hue class ,palette husl ) plt.show()

import seaborn as snsimport matplotlib.pyplot as plttips pd.read_csv( ../input/tips.csv )g sns.FacetGrid(tips, col time , row smoker )g g.map(plt.hist, total_bill , color r )plt.show()

参考链接

原文链接

Python数据可视化—seaborn简介和实例