我用Python的可视化工具Seaborn制作17个超好看常用图表

一、Seaborn简介

1.定义

Seaborn是一个基于matplotlib且数据结构与pandas统一的统计图制作库。
Seaborn框架旨在以数据可视化为中心来挖掘与理解数据。

2.优点

1. 代码较少
2. 图形美观
3. 功能齐全
4. 主流模块安装
   
   

二、安装

1.pip命令安装

pip install matplotlib
pip install seaborn

2.从github安装

pip install git+https://github.com/mwaskom/seaborn.git

三、流程

1.导入绘图模块

mport matplotlib.pyplot as plt
import seaborn as sns

2.提供显示条件

%matplotlib inline  #在Jupyter中正常显示图形

3.导入数据

#Seaborn内置数据集导入
dataset = sns.load_dataset('dataset')

#外置数据集导入（以csv格式为例）
dataset = pd.read_csv('dataset.csv') 

4.设置画布

#设置一块大小为(12,6)的画布
plt.figure(figsize=(12, 6))

5.输出图形

#整体图形背景，共5种:"white", "dark", "whitegrid", "darkgrid", "ticks"
sns.set_style('ticks')

#以条形图为例输出图形
sns.barplot(x=x,y=y,data=dataset,...)

'''
barplot()括号里的是需要设置的具体参数，涉及到数据、颜色、坐标轴、以及具体图形的一些控制变量，
基本的一些参数包括'x'、'y'、'data'，分别表示x轴，y轴，以及选择的数据集。
'''

6.保存图形

#将画布保存为保存为png、jpg、svg等格式图片
plt.savefig('jg.png')

四、实战

本文实验数据集来源于豆果美食网，关注J哥公众号「菜J学Python」，后台回复cook即可自动获取。如果对豆果美食网数据爬虫代码感兴趣，也可在公众号后台添加J哥交流。

#数据准备
df = pd.read_csv('./cook.csv') #读取数据集（可在微信公众号「菜J学Python」后台回复cook获取）
df['难度'] = df['用料数'].apply(lambda x:'简单' if x<5 else('一般' if x<15 else '较难')) #增加分类字段
df = df[['菜谱','用料','用料数','难度','菜系','评分','用户']] #选择需要的列
df.sample(5)  #查看数据集的随机5行数据

	菜谱	用料	用料数	难度	菜系	评分	用户
2138	蛋白芝麻脆片	蛋白,木糖醇,色拉油,盐,低筋面粉,芝麻	6	一般	清真菜	1.0	Better_J
619	牙签肉	鸡胸肉,蚝油,烤肉酱,料酒,生抽,牙签,孜然粉,糖,生粉	9	一般	湘菜	4.7	暮之雪
1562	青椒炒香菇	香菇,青椒,蒜	3	简单	鲁菜	4.7	小舞Dora
873	豉油烧鸡腿	鸡腿,姜,葱,酿造酱油,黑胡椒	5	一般	粤菜	4.8	阿罗al
2111	香蕉蛋白奶昔	香蕉,脱脂牛奶,香蕉奶昔粉,冰块,料理机	5	一般	清真菜	5.0	魏姓男子

#导入相关包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl
import seaborn as sns
%matplotlib inline
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置加载的字体名
plt.rcParams['axes.unicode_minus'] = False   # 解决保存图像是负号'-'显示为方块的问题 
sns.set_style('white')   #设置图形背景样式为white

直方图

#语法
'''
seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None, 
hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, color=None, 
vertical=False, norm_hist=False, axlabel=None, label=None, ax=None)
'''

#distplot()输出直方图，默认拟合出密度曲线
plt.figure(figsize=(10, 6)) #设置画布大小
rate = df['评分']
sns.distplot(rate,color="salmon",bins=20) #参数color样式为salmon，bins参数设定数据片段的数量

#kde参数设为False,可去掉拟合的密度曲线
plt.figure(figsize=(10, 6))
sns.distplot(rate,kde=