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