学术论文插图绘制学习第二章:Seaborn

1. Seaborn的使用

Seaborn 在 Matplotlib 的基础上进行了更加高级的封装

2.1 图类型

Seaborn 提供的可绘制图类型包括统计关系型(statistical relationships)、 数据分布型(distributions of data)、分类数据型(categorical data)、回归模型分析型(regression models)和多子图网格型(multi-plot grids)。

2.2 多子图网格型图

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,关于使用 Python 绘制漂亮的表,Seaborn 确实是一个不错的选择。Seaborn 是一个基于 Matplotlib 的 Python 可视化库,它提供了更高层次的 API,使得绘更加简单和美观。 下面是一个简单的例子,展示如何使用 Seaborn 绘制一个直方: ```python import seaborn as sns import numpy as np # 生成随机数据 data = np.random.normal(size=1000) # 绘制直方 sns.histplot(data) ``` 这里我们先使用 NumPy 生成了一组随机数据,然后使用 Seaborn 绘制了一个直方。绘的函数是 `sns.histplot()`,它会自动计算数据的统计信息,并绘制出直方和核密度估计曲线。 除了直方Seaborn 还支持绘制多种表,比如散点、线、箱线等。下面是一个使用 Seaborn 绘制散点的例子: ```python import seaborn as sns import pandas as pd # 读取数据 tips = pd.read_csv("tips.csv") # 绘制散点 sns.scatterplot(data=tips, x="total_bill", y="tip", hue="sex") ``` 这里我们使用了 Seaborn 自带的 `tips` 数据集,绘制了一个散点,横轴是账单总额,纵轴是小费,颜色编码是性别。通过这个例子可以看到,Seaborn 提供了丰富的参数和选项,能够满足各种不同的绘需求。 除了 Seaborn,还有其他 Python 可视化库,比如 Matplotlib、Plotly、Bokeh 等,每个库都有自己的特点和优势。如果你对 Python 绘感兴趣,可以多尝试不同的库,找到最适合自己的那一个。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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