数据科学与计算

Seaborn的介绍

Seaborn 是一个建立在 Matplotlib 基础之上的 Python 数据可视化库，专注于绘制各种统计图形，以便更轻松地呈现和理解数据。 Seaborn 的设计目标是简化统计数据可视化的过程，提供高级接口和美观的默认主题，使得用户能够通过少量的代码实现复杂的图形。

Seaborn的安装与导入

Seaborn的安装：

1.pip install seaborn i Simple Index

2.conda install seaborn Simple Index

（清华源：https://pypi.tuna.tsinghua.edu.cn/simple）

Seaborn的导入： import seaborn as sns

sns.set_theme()

sns.set_theme() 可以选择不同的主题和模板。 格式为sns.set_theme(style="whitegrid", context="paper") style取值如下：

darkgrid（默认）	深色网格主题。
whitegrid	浅色网格主题。
dark	深色主题，没有网格。
white	浅色主题，没有网格。
ticks	深色主题，带有刻度标记。

context取值如下：

paper	适用于小图，具有较小的标签和线条。
notebook （默认）	适用于笔记本电脑和类似环境，具有中等大小的标签和线条。
talk	适用于演讲幻灯片，具有大尺寸的标签和线条。
poster	适用于海报，具有非常大的标签和线条。

sns.scatterplot() - 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。

sns.lineplot() - 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。

sns.barplot() - 柱形图

sns.barplot()用于绘制变量的均值或其他聚合函数的柱状图。

sns.boxplot() - 箱线图

sns.boxplot()用于绘制变量的分布情况，包括最大值，最小值中位数、四分位数（包括上四分位数，下四分位数）等。

如果在图片外面还有一个点那么这个点是离群点，离群点一般会认为是一个异常值，它也有可能在上面有可能在下面有可能在旁边这个都有可能，我们要把它作为一个异常值去处理，就是认为它是一个异常值，对它进行一下数据预处理，把它调整成合理范围之内的点。

sns.heatmap() - 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。

sns.violinplot() - 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。

图中有些地方窄是因为在这一块的数据是偏少，宽的地方是数据分布多，也就是和密度分布，和密度分布它其实代表的就是我们数据分布的一个情况。