Seaborn

Seaborn is a Python data visualization library based on matplotlib. It provides a high-level interface for drawing attractive and informative statistical graphics.

官方文档

相较于 matplotlib，Seaborn 提供了 API 封装，使得图形绘制较底层的 matplotlib 更简单，也兼容了 numpy、Pandas 等数据处理库，兼容性好。同时，Seaborn库提供了更为高级的绘图功能，支持多维数据处理。

安装

poetry add seaborn

导入 Seaborn 库：

import seaborn as sns

基本命令

import seaborn as sns
import matplotlib.pyplot as plt
sns.set_style()  # 设置图像风格
sns.load_dataset('iris')  # 加载预设数据集
plt.show() # 在 VSCode 中运行时，需要调用该命令显示图像

sns库中的数据集是pandas.core.frame.DataFrame对象，因此在绘图过程中可以结合 Pandas 一起工作。

Seaborn库将 matplotlib 参数分成两组，第一组用于配置图像整体风格，第二组调整元素的缩放参数。

	返回参数字典	设置matplotlib默认值
控制样式	axes_style()	set_style()
缩放绘图	plotting_context()	set_context()

Seaborn库为set_style()设置了五个预设风格：darkgrid,whitegrid,dark,white,ticks，其中darkgrid为缺省值。

为set_context()设置四个预设风格：paper,notebook,talk,poster，其中notebook为缺省值，可以通过键值对调整比例和线宽，如：

sns.set_context("notebook", font_scale=1.5, rc={"lines.linewidth": 2.5})

点、线混合绘图函数——relplot()

replot()函数可以绘制散点图和曲线图，根据kind参数改变绘图类型。

• 散点图：kind='scatter'(缺省值)
• 曲线图：kind='line' 以tips数据集为例，读取tips.head()，即：读取前 5 行数据。

tips

index	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4

• 以total_bill为横坐标，tip为纵坐标画图，可得散点图：

import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style("darkgrid")
sns.set_context()
tips = sns.load_dataset("tips")
print(tips.head())
sns.relplot(x="total_bill", y="tip", data=tips)
plt.show()

绘制出图形为：

• 可用hue定义不同天数的消费情况，hue会根据参数的类型设置不同颜色，并且自动添加图例。

import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style("darkgrid")
sns.set_context()
tips = sns.load_dataset("tips")
print(tips.head())
sns.relplot(x="total_bill", y="tip", data=tips,hue="day")
plt.show()

绘制出图形为：

• 利用col参数引入性别的影响

import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style("darkgrid")
sns.set_context()
tips = sns.load_dataset("tips")
print(tips.head())
sns.relplot(x="total_bill", y="tip", data=tips,hue="day",col="sex")
plt.show()

绘制出图形为：

• 利用row参数引入时间的影响

import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style("darkgrid")
sns.set_context()
tips = sns.load_dataset("tips")
print(tips.head())
sns.relplot(x="total_bill", y="tip", data=tips,hue="day",col="sex",row="time")
plt.show()

绘制出图形为：

绘制线性回归模型——lmplot()

import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style("darkgrid")
sns.set_context("paper") # 调整缩放比例
tips = sns.load_dataset("tips")
print(tips.head())
sns.lmplot(x="total_bill", y="tip", data=tips)
plt.show()

绘制出图形为：

本图形展示了回归曲线与 95% 的置信区间，可通过配置ci参数调节置信区间的大小，如：ci=90。