3.Seaborn
Seaborn是基于matplotlib的图形可视化python包。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。
Seaborn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能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视 为matplotlib的补充，而不是替代物。
1.安装
如果你读过文章：matplotlib的安装教程以及简单调用，那么你只需要在命令行模式中输入：pip install seaborn即可进行安装，否则你也可以直接输入：pip install seaborn -i https://pypi.tuna.tsinghua.edu.cn/simple
进入命令行模式：Windows系统：按下键盘上的 Windows+R，输入 cmd 后即可进入
如果你读过文章：最详细的Anaconda Installers 的安装【numpy，jupyter】（图+文），那么你无序再安装Seaborn，安装Anaconda 的时候已经安装好了Seaborn
出现上图所示就是已经安装过的意思，我们可以打开 jupyter 运行如下代码，看是否报错：
import numpy as np import matplotlib.pyplot as plt import seaborn as sns
不报错即为安装成功，那么接下来，就让我来介绍seaborn
2.快速上手
2.1 模式设置
import seaborn as sns sns.set(style = 'darkgrid',context = 'talk',font = 'STKaiti')
style设置，修改主题风格，属性如下：
| style | 效果 |
| darkgrid | 黑色网格(默认) |
| whitegrid | 白色网格 |
| dark | 黑色背景 |
| white | 白色背景 |
| ticks | 四周有刻度线的白背景 |
context设置，修改大小，属性如下：
| context | 效果 |
| paper | 越来越大越来越粗 |
| notebook(默认) | 越来越大越来越粗 |
| talk | 越来越大越来越粗 |
| poster | 越来越大越来越粗 |
2.2 线形图
import seaborn as sns import matplotlib.pyplot as plt import pandas as pd import numpy as np sns.set(style = 'dark',context = 'poster',font = 'STKaiti') # 设置样式 plt.figure(figsize = (9, 6)) x = np.linspace(0, 2 * np.pi, 20) y = np.sin(x) sns.lineplot(x = x, y = y, color = 'green', ls = '--') sns.lineplot(x = x, y = np.cos(x), color = 'red',ls = '-.')
3.各种图形绘制
首先我们需要下载几个csv 文件：
链接: https://pan.baidu.com/s/12CkTweXPT-El4z2M93HltQ?pwd=vaks
提取码: vaks
下载完成之后，把该文件和我们的代码放到同一个文件夹下，这一操作我们在之前的博客中已经反复说到，这里就不再进行演示
3.1 调色板
参数palette（调色板），用于调整颜色，系统默认提供了六种选择：deep,muted,bright,pastel,dark,colorblind
参数palette调色板，可以有更多的颜色选择，Matplotlib为我们提供了多达178种，这足够绘图用，可以通过代码print(plt.colormaps())查看选择
import numpy as np import matplotlib.pyplot as plt import seaborn as sns print(plt.colormaps())
3.2 线形图
import seaborn as sns import matplotlib.pyplot as plt import pandas as pd # 设置样式 sns.set(style = 'dark', context = 'notebook', font = 'STKaiti') plt.figure(figsize = (9, 6)) # fmri 这一核磁共振数据 fmri = pd.read_csv('./fmri.csv') ax = sns.lineplot(x = 'timepoint',y = 'signal', hue = 'event', # 根据 event 进行分类绘制 style = 'event', # 根据 event 属性分类指定样式 # 如图自动分配成了实现和虚线,●和× data = fmri, palette = 'deep', # 画板、颜色 markers = True, markersize = 10) plt.xlabel('时间节点',fontsize = 30)
3.3 散点图
import pandas as pd import matplotlib.pyplot as plt import seaborn as sns data = pd.read_csv('./tips.csv') # 小费 plt.figure(figsize = (9, 6)) sns.set(style = 'darkgrid', context = 'talk') # 散点图 fig = sns.scatterplot(x = 'total_bill', y = 'tip', hue = 'time', data = data, palette = 'autumn', s = 100)
3.4 柱状图
import pandas as pd import seaborn as sns import matplotlib.pyplot as plt plt.figure(figsize = (9, 6)) sns.set(style = 'whitegrid') tips = pd.read_csv('./tips.csv') # 小费 ax = sns.barplot(x = "day", y = "total_bill", data = tips,hue = 'sex', palette = 'colorblind', capsize = 0.2)
3.5 箱式图
import seaborn as sns import matplotlib.pyplot as plt import pandas as pd sns.set(style = 'ticks') tips = pd.read_csv('./tips.csv') ax = sns.boxplot(x = "day", y = "total_bill", data = tips, palette = 'colorblind')
3.6 直方图
import seaborn as sns import numpy as np import matplotlib.pyplot as plt sns.set(style = 'dark') x = np.random.randn(5000) sns.histplot(x, kde = True)
import seaborn as sns import numpy as np import matplotlib.pyplot as plt import pandas as pd sns.set(style = 'darkgrid') tips = pd.read_csv('./tips.csv') sns.histplot(x = 'total_bill', data = tips, kde = True)
3.7 分类散点图
import seaborn as sns import matplotlib.pyplot as plt import pandas as pd sns.set(style = 'darkgrid') exercise = pd.read_csv('./exercise.csv') sns.catplot(x = "time", y = "pulse", hue = "kind", data = exercise)
3.8 热力图
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd plt.figure(figsize = (12, 9)) flights = pd.read_csv('./flights.csv') # 飞行数据 # pivot() 实现了数据重塑,改变了DataFrame的形状 # month 作为行索引,year作为列索引,passengers作为数据 flights = flights.pivot("month", "year", "passengers") # 年,月,乘客 sns.heatmap(flights, annot = True, # 画上数值 fmt = 'd', # 数值为整数 cmap = 'RdBu_r', # 设置颜色 linewidths = 0.5) # 线宽为 0.5
我们最后来说一下数据重塑，在本题的基础上，我们查看一下我们的flights 数据：
咋们再来重新加载一下数据，看看原始的 flights 数据：
import matplotlib.pyplot as plt import seaborn as sns import pandas as pd flights = pd.read_csv('./flights.csv') flights
不难看出，上述绘图过程中涉及到了数据重塑：代码：flights = flights.pivot("month", "year", "passengers")实现了数据的重塑，使得month 作为行索引，yerr 作为列索引，passengers 作为数据。
