python科学计算数据可视化模块-seaborn

Python数据可视化模块—Seaborn

python科学计算系列

1. 为什么介绍Seaborn库？

Matplotlib是Python主要的绘图库。但是，不建议直接使用它。虽然Matplotlib很强大，但它因此也很复杂，你的图经过大量的调整才能变得精致。因此，作为替代，推荐一开始使用Seaborn。Seaborn本质上使用Matplotlib作为核心库（就像Pandas对NumPy一样）。seaborn有以下几个优点：

• 默认情况下就能创建赏心悦目的图表。
• 创建具有统计意义的图。
• 能理解pandas的DataFrame类型，所以它们一起可以很好地工作。

虽然anaconda预装了pandas，却没安装seaborn。可以通过 conda install seaborn轻松地安装。当然，如果在终端中使用， 可以直接pip install seaborn，如果提示有什么错误，可以按照其说明，即可轻松安装上。

2. Seaborn使用

2.1. 管理图表的艺术

• Matplotlib VS Seaborn

  画一个吸引人注意的图表相当重要。当你探索一个数据集，需要画图表，图表看起来令人愉悦是件很高兴的事。在与你的观众交流观点时，可视化同样重要，同时，也很有必要去让图表吸引注意力和印入脑海里。Matplotlib自动化程度非常高，但是，掌握如何设置系统以便获得一个吸引人的图是相当困难的事。为了控制matplotlib图表的外观，Seaborn模块自带许多定制的主题和高级的接口。

  • 导入模块
    
  • 定义一个函数用来可视化弦函数，这将帮助我们了解我们可以控制的不同风格的参数
    
  • 默认情况下matplotlib的画的图是这样的：
    
  • 转换成Seaborn模块，只需要引入seaborn模块。
    
    
    • Seaborn默认浅灰色背景与白色网络线的灵感来源于MATLAB，却比MATBLAB的颜色更多柔和。我们发现，网格线对于传播信息很有用，几乎在所有情况下，人们喜欢图甚于表。默认情况下白灰网格的形式可以避免过于刺眼。在多面作图的情况下，网络形式显得相当的有利，提供了一种作图结构，这对模块中的一些复杂工具非常重要。
    • seaborn将matplotlib的参数划分为两个组。第一组控制图表的样式，第二组控制图的度量尺度元素，这样就可以轻易在纳入到不同的上下文中。
    • 操控这些参数由两个函数提供接口。控制样式，用axes_style()和set