Python的seaborn库(图比较炫)

末蓝、 2023-10-08 08:46 16阅读 0赞

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。  
本文链接：https://blog.csdn.net/fenfenxhf/article/details/82859620  
1.概念  
seaborn就是在matplotlib基础上面的封装，方便直接传参数调用  
2.整体布局import seaborn as sns

sns.set\_style("whitegrid") \#横坐标有标线，纵坐标没有标线，背景白色  
sns.set\_style("darkgrid") \#默认，横纵坐标都有标线，组成一个一个格子，背景稍微深色  
sns.set\_style("dark")\#背景稍微深色，没有标线线  
sns.set\_style("white")\#背景白色，没有标线线  
sns.set\_style("ticks") \#xy轴都有非常短的小刻度  
sns.despine(offset=30,left=True) \#去掉上边和右边的轴线，offset=30表示距离轴线（x轴）的距离,left=True表示左边的轴保留  
1  
2  
3  
4  
5  
6  
3.子图的整体布局

定义一个数据

import seaborn as sns  
import matplotlib.pyplot as plt  
import numpy as np

def sinplot(flip=1): \#自定义一个函数  
x = np.linspace(0,14,100) \#0-14取100个点

for i in range(1,7): \#画了7条线  
plt.plot(x,np.sin(x + i \*0.5) \* (7 - i) \* flip) \#sin函数  
plt.show()

sinplot()  
1  
2  
3  
4  
5  
6  
7  
8  
9  
10  
11  
12

在不同的图画不同的风格

import seaborn as sns  
import matplotlib.pyplot as plt  
import numpy as np

def sinplot(flip=1): \#自定义一个函数  
x = np.linspace(0,14,100) \#0-14取100个点

for i in range(1,7):  
plt.plot(x,np.sin(x + i \*0.5) \* (7 - i) \* flip)  
\#plt.show()

\#sinplot()

with sns.axes\_style("darkgrid"): \#with里面的用一种背景风格  
plt.subplot(211)  
sinplot()  
plt.subplot(212)  
sinplot(-1)  
plt.show()  
1  
2  
3  
4  
5  
6  
7  
8  
9  
10  
11  
12  
13  
14  
15  
16  
17  
18  
19  
20

4.调色板  
默认颜色主题

current\_palette = sns.color\_palette()  
sns.palplot(current\_palette)  
plt.show()  
1  
2  
3

当需求颜色主题比默认的要多的时候，可以用圆形画板

current\_palette = sns.color\_palette("hls",12) \#就是这里穿参数，一般使用“hls”,l是亮度，s是饱和度,12表示12种颜色  
sns.palplot(current\_palette)  
plt.show()  
1  
2  
3

自定义了颜色之后怎么使用呢？

current\_palette = sns.color\_palette("hls",12)

data = np.random.normal(size=(20,12)) + np.arange(12) / 2 \#随机生成的数据  
sns.boxplot(data=data,palette=current\_palette) \#使用颜色就是传递参数给palette  
plt.show()  
1  
2  
3  
4  
5

还可以生成颜色对，比如说一共4对数据，我们希望每对数据的颜色相近

current\_palette = sns.color\_palette("Paired",12)  
sns.palplot(current\_palette)  
plt.show()  
1  
2  
3

连续画板

current\_palette = sns.color\_palette("Blues") \#直接传颜色，有浅到深  
\#current\_palette = sns.color\_palette("Blues\_r") \#有深到浅  
sns.palplot(current\_palette)

plt.show()  
1  
2  
3  
4  
5

颜色线性变化：cubehelix\_palette()调色板

current\_palette = sns.color\_palette("cubehelix",8)  
sns.palplot(current\_palette)  
plt.show()  
1  
2  
3

light\_palette()和dark\_palette()调用定制连续调色板

sns.palplot(sns.light\_palette("green"))  
plt.show()  
1  
2

5.单变量的分析绘图（当我们拿到数据的时候需要先分析数据）

import seaborn as sns  
import matplotlib.pyplot as plt  
import numpy as np  
from scipy import stats,integrate  
import pandas as pd

x = np.random.normal(size=100) \#随机生成100个数据  
sns.distplot(x,bins=20,kde=False，fit=stats.gamma) \#kde是需不需要计算核密度，bins是多少个小柱形，fit=stats.gamma看图形变化的趋势，如图黑色的曲线  
plt.show()  
1  
2  
3  
4  
5  
6  
7  
8  
9

6.散点图：画特征和特征之间的关系可以用散点图

sns.jointplot(x="x",y="y",data=dt)  
1  
sns.jointplot(x="x",y="y",kind="hex",data=dt) \#hex就是可以画出当数据量很大时，我们可以通过颜色的差异来看看哪一块数据量比较多  
1  
7.如果特征比较多可以用sns.pairplot(data)来画特征和特征之间的关系

iris = sns.load\_dataset("iris") \#导入鸢尾花数据集  
sns.pairplot(iris)  
plt.show() \#直方图是单变量的分析，散点图是特征之间的关系  
1  
2  
3

8.用seaborn进行回归模型的画图sns.regplot() 或者sns.lmplot

tips = sns.load\_dataset("tips") \#导入tips数据集  
sns.regplot(x="total\_bill",y="tip",data=tips) \#画回归图  
plt.show()  
1  
2  
3

9.画某个特征中不同属性的值sns.stripplot()

import seaborn as sns  
import matplotlib.pyplot as plt  
import numpy as np  
from scipy import stats,integrate  
import pandas as pd

iris = sns.load\_dataset("iris")\#导入鸢尾花数据集  
tips = sns.load\_dataset("tips") \#导入tips数据集  
titanic = sns.load\_dataset("titanic") \#导入泰坦的数据集  
sns.stripplot(x="day",y="total\_bill",data=tips,jitter=True)\#jitter是数据点可以稍微偏离一些，这样数据量大的时候可以避免画的点全部集中在一起看不清  
plt.show()  
1  
2  
3  
4  
5  
6  
7  
8  
9  
10  
11

10.画某个特征中不同属性的数据单独画出来sns.FacetGrid()

import seaborn as sns  
import matplotlib.pyplot as plt  
import numpy as np  
from scipy import stats,integrate  
import pandas as pd

tips = sns.load\_dataset("tips") \#导入tips数据集  
g = sns.FacetGrid(tips,col="sex",hue="smoker") \#将sex这列的数据按照不同的属性分开画，同时加入条件是不是抽烟的  
g.map(plt.scatter,"total\_bill","tip")  
g.add\_legend() \#显示图例  
plt.show()  
1  
2  
3  
4  
5  
6  
7  
8  
9  
10  
11

☆持续更新  
————————————————  
版权声明：本文为CSDN博主「fenfenxhf」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。  
原文链接：https://blog.csdn.net/fenfenxhf/article/details/82859620