数据分析基础——seaborn基础（超详细）

seaborn三种使用方式

1.plt.style.use('seaborn')

用matplotlib写好代码后在前面加个plt.style.use('seaborn')

2.sns.set() 

导入import seaborn 包

然后sns.set(style=,context=,font_scale=)

style:主题样式

context:输入元素的大小尺寸

font_scale:控制坐标轴刻度大小

3.绘制常用的统计图形：

sns.barplot :柱状图

sns.scatter: 散点图

sns.boxplot: 箱线图

sns.distplot: 直方图

导入imoport seaborn as sns

柱状图：sns.barplot(x,y,hue,data,color,palette,orient)

x,y:  不同坐标上的值

hue: 分类变量

data: 数据

color: 颜色

palette: 调色板

orient: 方向  vertical：垂直方向 horizontal：水平方向

散点图：sns.scatterplot(x,y,data,color,marker,s)

marker: 形状

s:形状大小

箱线图:sns.boxplot(x,y,hue,data,order,width,fliersize,linewidth,color,palette，medianprops，meanprops)

fliersize:异常值属性

meanprops:均值的属性

linewidth: 指定箱体边框的宽度

medianprops: 中位线属性

直方图 sns.distplot(a,bins,hist,kde,rug,fit,hist_kws,kde_kws,rug_kws,fit_kws,color,vertical,norm_hist,axlabel,label,label,ax)

bins: 块的数量

hist: 是否显示方块

kde: 是否显示核溶度估计曲线

vertical: 放置方向

norm_hist: 以频率的形式展示

其他参数和图形

sns.set(style,context,font_scale)

fon_scale: 文字缩放

折线图：snslineplot(x,y,data,lw,color)

回归图：sns.lmplot(x,y,data,cool,row,colwap,aspect,x-jitter,y-  jitter,order,logx,robust,logistic,truncate,lowess,size,line_kws)

x-jitter,y-  jitter：给x，y轴随机增加噪音点，设置两个

order: 多项式回归，控制进行回归的幂次，设定指数可以用多项式拟合

logistic: 逻辑回归

aspect:控制图形的长宽比

计数直方图：sns.countplot(x,y,hue,data,order,hue_order,orient,color,palette,saturation,dodge,ax,**kwargs)

总结：调用seaborn函数对于简单的制图使用1或2，复杂图形更多的使用3