Python 数据可视化之Seaborn详解
安装
要安装 seaborn，请在终端中输入以下命令。
pip install seaborn
Seaborn 建立在 Matplotlib 之上，因此它也可以与 Matplotlib 一起使用。一起使用 Matplotlib 和 Seaborn 是一个非常简单的过程。我们只需要像之前一样调用 Seaborn Plotting 函数，然后就可以使用 Matplotlib 的自定义函数了。
注意： Seaborn 加载了提示、虹膜等数据集，但在本教程中，我们将使用 Pandas 加载这些数据集。
例子：
# 导包
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
# 画线图
sns.lineplot(x="sex", y="total_bill", data=data)
# 使用 Matplotlib 设置标题
plt.title('Title using Matplotlib Function')
plt.show()
输出:
散点图
散点图是使用scatterplot() 方法绘制的。这类似于 Matplotlib，但需要额外的参数数据。
# 导包
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
sns.scatterplot(x='day', y='tip', data=data,)
plt.show()
输出:
你会发现在使用 Matplotlib 时，如果你想根据sex为这个图的每个点着色会很困难。 但在散点图中，它可以在色调参数的帮助下完成。
例子：
# 导包
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
sns.scatterplot(x='day', y='tip', data=data,
hue='sex')
plt.show()
输出:
线图
Seaborn 中的 Line Plot 使用 lineplot() 方法绘制。 在这种情况下，我们也可以只传递 data 参数。
示例：
# 导包
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
sns.lineplot(x='day', y='tip', data=data)
plt.show()
输出：
示例 2：
# 导包
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
# 仅使用数据属性
sns.lineplot(data=data.drop(['total_bill'], axis=1))
plt.show()
输出：
条形图
Seaborn 中的条形图可以使用barplot()方法.
例子：
# 导包
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
sns.barplot(x='day',y='tip', data=data,
hue='sex')
plt.show()
输出：
直方图
Seaborn 中的直方图可以使用histplot() 函数绘制。
例子：
# 导包
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
sns.histplot(x='total_bill', data=data, kde=True, hue='sex')
plt.show()
输出：
在浏览完所有这些绘图后，您一定已经注意到，使用 Seaborn 自定义绘图比使用 Matplotlib 容易得多。 它也是基于 matplotlib 构建的，那么我们也可以在使用 Seaborn 时使用 matplotlib 函数。下一节我们继续谈第三个库——Bokeh
总结
本篇文章就到这里了，希望能够给你带来帮助，也希望您能够多多关注脚本之家的更多内容！
相关文章
这篇文章主要介绍了关于使用虚拟环境打包python为exe 文件的方法，非常不错，具有一定的参考借鉴价值,需要的朋友可以参考下2019-08-08
Python asyncore socket客户端开发基本使用教程
asyncore库是python的一个标准库，提供了以异步的方式写入套接字服务的客户端和服务器的基础结构，这篇文章主要介绍了Python asyncore socket客户端开发基本使用,需要的朋友可以参考下2022-12-12
在Python中,可以使用内置的list()和tuple()函数将tuple和list相互转换,tuple是不可变的,而list是可变的,转换时要注意性能考虑2024-12-12
这篇文章主要介绍了Python面向对象class类属性及子类用法,结合实例形式较为详细的分析了Python面向对象编程中class类属性的访问、修改、删除操作及子类的相关使用技巧,需要的朋友可以参考下2018-02-02
如果你之前没用过进度条，八成是觉得它会增加不必要的复杂性或者很难维护，其实不然。要加一个进度条其实只需要几行代码，快跟随小编一起学习学习吧2022-12-12
多版本python的pip 升级后, pip2 pip3 与python版本失配解决方法
在本篇文章里小编给大家整理的是关于多版本python的pip 升级后, pip2 pip3 与python版本失配的解决方法内容，需要的朋友们学习下。2019-09-09
这篇文章主要介绍了在Python中使用Fsolve函数的过程解析,在这篇文章中，我们了解到fsolve 是用来寻找非线性方程的根的，了解到fsolve 可以接受的不同种类的参数以及每个参数的含义，需要的朋友可以参考下2023-06-06
本文将介绍处理大量数据时非常方便的工具，例如tqdm与 multiprocessingimap一起使用、并行处理档案、绘制和处理3D数据等，感兴趣的小伙伴可以了解一下2021-12-12
windows下python 3.9 Numpy scipy和matlabplot的安装教程详解
这篇文章主要介绍了windows下python 3.9 Numpy scipy和matlabplot的安装教程详解,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2020-11-11
这篇文章主要为大家介绍了Python和Golang协程的区别示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-12-12
最新评论