Seaborn是針對統計繪圖的，一般來說，Seaborn能滿足數據分析90%的繪圖需求。本站整理的Seaborn的41個樣例代碼，在github進行分享，絕大部分數據可視化的問題可以參考這里的樣例代碼。

Matplotlib試著讓簡單的事情更加簡單，困難的事情變得可能，而Seaborn就是讓困難的東西更加簡單。

Seaborn是針對統計繪圖的，一般來說，Seaborn能滿足數據分析90%的繪圖需求。

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，應該把Seaborn視為matplotlib的補充，而不是替代物。

用matplotlib最大的困難是其默認的各種參數，而Seaborn則完全避免了這一問題。

seaborn一共有5個大類21種圖，分別是：

• Relational plots 關系類圖表

relplot() 關系類圖表的接口，其實是下面兩種圖的集成，通過指定kind參數可以畫出下面的兩種圖

scatterplot() 散點圖

lineplot() 折線圖

• Categorical plots 分類圖表

• catplot() 分類圖表的接口，其實是下面八種圖表的集成，通過指定kind參數可以畫出下面的八種圖

• stripplot() 分類散點圖

• swarmplot() 能夠顯示分布密度的分類散點圖

• boxplot() 箱圖

• violinplot() 小提琴圖

• boxenplot() 增強箱圖

• pointplot() 點圖

• barplot() 條形圖

• countplot() 計數圖

• Distribution plot 分布圖

• jointplot() 雙變量關系圖

• pairplot() 變量關系組圖

• distplot() 直方圖，質量估計圖

• kdeplot() 核函數密度估計圖

• rugplot() 將數組中的數據點繪制為軸上的數據

• Regression plots 回歸圖

• lmplot() 回歸模型圖

• regplot() 線性回歸圖

• residplot() 線性回歸殘差圖

• Matrix plots 矩陣圖

• heatmap() 熱力圖

• clustermap() 聚集圖

github地址：


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

主要內容：

Jupyter notebook格式，Seaborn.ipynb包含共41個Seaborn的樣例代碼，只需要修改數據源就能畫出類似下圖這樣的圖表。

（Seaborn內置了不少樣例數據，為dataframe類型， 命令：df = sns.load_dataset("anscombe")即讀取“anscombe”樣例數據，如果要查看數據，可以使用類似df.head()命令查看，繪圖的時候替換為自己的數據即可。）

部分效果

參考：

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


請關注和分享↓↓↓?


機器學習初學者


QQ群：554839127

（注意：本站有6個qq群，加入過任何一個的不需要再加）

往期精彩回顧


• 良心推薦：機器學習入門資料匯總及學習建議（2018版）
  

• 黃海廣博士的github鏡像下載（機器學習及深度學習資源）

• 吳恩達老師的機器學習和深度學習課程筆記打印版
  

• 機器學習小抄-（像背托福單詞一樣理解機器學習）

• 首發：深度學習入門寶典-《python深度學習》原文代碼中文注釋版及電子書

• 科研工作者的神器-zotero論文管理工具

• 機器學習的數學基礎

• 機器學習必備寶典-《統計學習方法》的python代碼實現、電子書及課件

• 吐血推薦收藏的學位論文排版教程（完整版）

• 機器學習入門的百科全書-2018年“機器學習初學者”公眾號文章匯總

總結

以上是生活随笔為你收集整理的数据可视化的利器-Seaborn简易入门的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。