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。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值