Seaborn 教程-绘图函数

Seaborn 提供了多个绘图函数，用于创建各种统计图形，以下是 Seaborn 主要的几个绘图函数及相应的实例：

1. 散点图 - sns.scatterplot()

用于绘制两个变量之间的散点图，可选择添加趋势线。

实例

import seaborn as sns

import matplotlib.pyplot as plt

import pandas as pd

# 创建一个示例数据框

data = {'A': [1, 2, 3, 4, 5], 'B': [5, 4, 3, 2, 1]}

df = pd.DataFrame(data)

# 绘制散点图

sns.scatterplot(x='A', y='B', data=df)

plt.show()

2. 折线图 - sns.lineplot()

用于绘制变量随着另一个变量变化的趋势线图。

实例

import seaborn as sns

import matplotlib.pyplot as plt

import pandas as pd

# 创建一个示例数据框

data = {'X': [1, 2, 3, 4, 5], 'Y': [5, 4, 3, 2, 1]}

df = pd.DataFrame(data)

# 绘制折线图

sns.lineplot(x='X', y='Y', data=df)

plt.show()

3. 柱状图 - sns.barplot()

用于绘制变量的均值或其他聚合函数的柱状图。

实例

import seaborn as sns

import matplotlib.pyplot as plt

import pandas as pd

# 创建一个示例数据框

data = {'Category': ['A', 'B', 'C'], 'Value': [3, 7, 5]}

df = pd.DataFrame(data)

# 绘制柱状图

sns.barplot(x='Category', y='Value', data=df)

plt.show()

4. 箱线图 - sns.boxplot()

用于绘制变量的分布情况，包括中位数、四分位数等。

实例

import seaborn as sns

import matplotlib.pyplot as plt

import pandas as pd

# 创建一个示例数据框

data = {'Category': ['A', 'A', 'B', 'B', 'C', 'C'], 'Value': [3, 7, 5, 9, 2, 6]}

df = pd.DataFrame(data)

# 绘制箱线图

sns.boxplot(x='Category', y='Value', data=df)

plt.show()

5. 热图 - sns.heatmap()

用于绘制矩阵数据的热图，通常用于展示相关性矩阵。

实例

import seaborn as sns

import matplotlib.pyplot as plt

import pandas as pd

# 创建一个示例数据框

data = {'A': [1, 2, 3, 4, 5], 'B': [5, 4, 3, 2, 1]}

df = pd.DataFrame(data)

# 创建一个相关性矩阵

correlation_matrix = df.corr()

# 使用热图可视化相关性矩阵

sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', fmt=".2f")

plt.show()

6. 小提琴图 - sns.violinplot()

用于显示分布的形状和密度估计，结合了箱线图和核密度估计。

实例

import seaborn as sns

import matplotlib.pyplot as plt

import pandas as pd

# 创建一个示例数据框

data = {'Category': ['A', 'A', 'B', 'B', 'C', 'C'], 'Value': [3, 7, 5, 9, 2, 6]}

df = pd.DataFrame(data)

# 绘制小提琴图

sns.violinplot(x='Category', y='Value', data=df)

plt.show()