15 种 Seaborn 可视化图表详解

可视化是以图形形式表示数据或信息的过程，在本文中，将介绍Seaborn的最常用15个可视化图表。

Seaborn是一个非常好用的数据可视化库，它基于Matplotlib，并且提供了一个高级接口，使用非常见简单，生成图表也非常的漂亮。

安装

安装非常简单：

 `Pip install seaborn`

在使用时只要导入就可以了。

 `import seaborn as sns`

Seaborn提供了一些内置的数据集，这里我们使用Seaborn的Iris数据集。

 `data=sns.load_dataset('iris')` `data[10:15]`

我们看看数据量

 `data['species'].value_counts()`

1、条形图

条形图用于表示分类变量，它只显示平均值(或其他估计值)。我们为x轴选择一个分类列，为y轴(花瓣长度)选择一个数值列，我们看到它创建了一个为每个分类列取平均值的图。

 `sns.barplot(x='species',y='petal_length',hue='species',data=data)`

2、散点图

散点图是由几个数据点组成的图。x轴表示花瓣长度，y轴表示数据集的萼片长度。

 `sns.scatterplot(x='petal_length',y='sepal_length',hue='species',style='species',s=90,data=data)`

3、直方图

直方图通常用于可视化单个变量的分布，但它们也可用于比较两个或更多变量的分布。除了直方图之外，KDE参数还可以用来显示核密度估计(KDE)。这里，我们使用萼片长度。

 `sns.histplot(x='sepal_len