可视化库seaborn常用操作介绍

1.seaborn 概括

seaborn库是一个用于数据可视化的Python库，它建立在matplotlib之上，可以让你轻松地创建各种美观的图表和图形。

在seaborn中，set()函数是一个非常常见的函数，它可以用来设置不同的seaborn图表的外观。具体来说，set()函数接受一系列的参数，用于设置不同的绘图风格，包括：

• style：绘图样式，取值为{darkgrid, whitegrid, dark, white, ticks}，分别表示黑色网格、白色网格、黑色、白色和刻度线
• palette：调色板，用于调整颜色，可以使用任何Matplotlib调色板名称，比如{deep, muted, bright, pastel, dark, colorblind}等
• font_scale：大小，用于调整字体的大小
• rc：设置matplotlib参数，用于更加细致的控制绘图

5种主题风格

• darkgrid
• whitegrid
• dark
• white
• ticks
  
  
  
  
  
  
  

2.Seaborn的调色板

3.单变量绘图分析

sns.distplot() 是 seaborn 库提供的一个函数，用于绘制数据分布的概率密度函数，并在绘图中添加一条核密度估计曲线和直方图。它的常用参数如下：

• a ： 需要绘制的数据序列，可以是一个 Series、DataFrame 或者一组列表、数组等等。如果是 DataFrame 的话，可以通过指定 column 参数来选择绘图的某一列数据。

• bins ： 直方图的条数，默认是 10。

• kde ： 是否显示核密度估计曲线，默认是 True。

• hist ： 是否显示直方图，默认是 True。

• rug ： 在 x 轴上显示观测点的位置，默认是 False。

• color ： 绘图的颜色，默认是蓝色。

• label ： 标记图例的文本。

• ax ： 绘制图形的坐标轴。
  sns.distplot() 函数的返回结果是一张 matplotlib 的图形对象，可以通过 matplotlib 的相关函数来对其进行进一步的装饰和修改。
  
  
  np.random.gamma(shape, scale=None, size=None) 是 numpy 库提供的一个生成 Gamma 分布随机数的函数。这个分布可以用来描述一些连续随机变量的分布，例如，一些物质的放射性污染或者探测器的统计误差等等。

• shape ：一个正实数，作为分布的形状参数。这里的 “形状” 指的是 Gamma 分布中的α值。

• scale ：一个正实数，默认值是 1。这里的 “尺度” 指的是 Gamma 分布中的β值，通过调整β值可以对潜在的数量/强度进行标准化。

• size ：确定生成的随机数的形状，可以是一个整数，表示生成的数据有多少个；也可以是一个元组，表示生成的数据的形状。
  
  
  
  sns.jointplot(x,y,data=None,kind=‘scatter’,color=None,size=None,ratio=5,space=0.2,dropna=True) 是 seaborn 库提供的一个函数，用于绘制两个变量之间的关系，并同时显示它们的一维分布。
  sns.jointplot() 函数会根据 kind 参数的不同，绘制出不同类型的图形，例如：

• kind=‘scatter’ 时，绘制散点图。同时显示 x，y 轴各自的一维分布和散点图。

• kind=‘hex’ 时，绘制 hexbin 图。同时显示 x，y 轴各自的一维分布和 hexbin 图。

• kind=‘kde’ 时，绘制密度图。同时显示 x，y 轴各自的一维分布和二维密度图。

• kind=‘reg’ 时，绘制回归曲线上的拟合结果。同时显示 x，y 轴各自的一维分布和回归曲线。

• kind=‘resid’ 时，绘制回归模型的残差图。同时显示 x，y 轴各自的一维分布和回归残差图。
  
  
  

4.回归分析绘图

regplot函数的常用参数如下：

• x：指定分析数据集中放在横轴的变量名。

• y：指定分析数据集中放在纵轴的变量名。

• data：指定用来绘图的数据集。

• scatter : 是否绘制散点图，默认为True。

• fit_reg：是否拟合回归模型并绘制回归线，默认为True。

• ci：置信区间，用于绘制回归线置信区间，默认95%。

• order：回归多项式次数，用于拟合线性回归模型，默认为1，即线性模型。

• x_estimator：在概率密度图上使用的x轴值的中心估计值函数，主要用于产生一个更加平滑的线条，比如kdeplot。

• x_bins：用于绘制直方图或者拟合连续变量的估计器的bin的位置。高于scatterplot。

• logistic：是否对拟合模型进行逻辑转换，默认为False。

• lowess：当使用scatterplot且fit_reg设置为True时，是否应用locally-weighted polynomial regression进行去噪，默认为False。
  
  
  

5.分类图绘制

6.FacetGrid使用

7.Heatmap