seaborn画直方图、条形图、盒图、散点图等常用图形

 

🤵‍♂️ 个人主页：@艾派森的个人主页

✍🏻作者简介：Python学习者
🐋 希望大家多多支持，我们一起进步！😄
如果文章对你有帮助的话，
欢迎评论 💬点赞👍🏻 收藏 📂加关注+

---

目录

简介

distplot 直方图

barplot条形图

boxplot 盒图

小提琴图

 stripplot(分布散点图)

swarmplot(分簇散点图)

scatterplot散点图

kdeplot双轴密度图

pointplot点图

heatmap热力图

pairplot散布图矩阵

 lineplot线型图

 回归分析图

---

简介

Seaborn 是以 matplotlib为底层，更容易定制化作图的Python库。

Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从 而使得作图更加容易。 在大多数情况下使用 Seaborn 就能做出很具有吸引力的图，而使用 matplotlib就能制作具有更多特色的图，换句话说， matplotlib 更加灵 活，可定制化，而 seaborn 像是更高级的封装，使用方便快捷。

distplot 直方图

#导入模块
import numpy as np
import seaborn as sns
#生成数据
x = np.random.normal(size=100)
#绘制直方图
#设置多少个分组 bins=
sns.displot(x,bins=20)
#kde 是否显示数据分布曲线 默认值是False
sns.displot(x,bins=20,kde=True)
#设置风格样式
sns.set(style='white')
sns.displot(x,bins=20,kde=True)

barplot条形图

#导入模块
import seaborn as sns
#加载数据
titanic = sns.load_dataset('titanic')
#绘制条形图  barplot
sns.barplot(x='sex',y='survived',data=titanic)
#按船舱分组
sns.barplot(x='sex',y='survived',data=titanic,hue='class')

 

boxplot 盒图

#导入模块
import seaborn as sns
#加载数据
tips = sns.load_dataset('tips')
#绘制盒图 boxplot
sns.boxplot(x='day',y='total_bill',data=tips)
#按时间time分组
sns.boxplot(x='day',y='total_bill',data=tips,hue='time')

 

小提琴图

小提琴图是箱图和密度图的一种结合图形。左右越宽代表当前数据 量越密集。

import seaborn as sns
#加载数据
tips = sns.load_dataset('tips')
#绘制小提琴图
sns.violinplot(x='day',y='total_bill',data=tips)
#按性别分组
sns.violinplot(x='day',y='total_bill',data=tips,hue='sex')
#男生女生合到一块
sns.violinplot(x='day',y='total_bill',data=tips,hue='sex',split=True)
#去掉中间线
sns.violinplot(x='day',y='total_bill',data=tips,hue='sex',split=True,inner=None)

 

 stripplot(分布散点图)

#加载模块
import seaborn as sns
#导入数据
tips = sns.load_dataset('tips')
#绘制分布散点图  stripplot()
sns.stripplot(x='day',y='total_bill',data=tips)
#jitter 震动 默认是True
sns.stripplot(x='day',y='total_bill',data=tips,jitter=False)

 

swarmplot(分簇散点图)

#加载模块
import seaborn as sns
#导入数据
tips = sns.load_dataset('tips')
sns.swarmplot(x='day',y='total_bill',data=tips)
#按性别分组
sns.swarmplot(x='day',y='total_bill',data=tips,hue='sex')
#按时间分组
sns.swarmplot(x='day',y='total_bill',data=tips,hue='time')

scatterplot散点图

#加载模块
import seaborn as sns
#导入数据
tips = sns.load_dataset('tips')
sns.scatterplot(data=tips,x='total_bill',y='tip')
#size参数指定点的大小
sns.scatterplot(data=tips,x='total_bill',y='tip',size='size')
#hue 按是否吸烟进行分组
sns.scatterplot(data=tips,x='total_bill',y='tip',size='size',hue='smoker')
#保存图片
from matplotlib import pyplot as plt
sns.scatterplot(data=tips,x='total_bill',y='tip',size='size',hue='smoker',style='time')
plt.savefig('scatterplot.jpg')

kdeplot双轴密度图

#导入模块
import numpy as np
import pandas as pd
import seaborn as sns
#生成数据
# 生成 多元高斯正太分布 的数据
# 多元高斯正太分布是一堆正太分布向更多维度的推广，这种分布由其均值和协方差矩阵来确定
data = np.random.multivariate_normal([0,1], [(1,0.5),(0.5,1)], 1000) # 均值， [(1,0.5),(0.5,1)]协方差对称阵
df = pd.DataFrame(data,columns=['x','y'])
#绘制密度图
sns.kdeplot(x='x',y='y',data=df)
#color属性  修改颜色
sns.kdeplot(x='x',y='y',data=df,shade=True,color='red')

 

pointplot点图

#加载模块
import seaborn as sns
#加载数据
titanic = sns.load_dataset('titanic')
#绘制点图
sns.pointplot(data=titanic,x='sex',y='survived')
#hue 进行分组
sns.pointplot(data=titanic,x='sex',y='survived',hue='class')

heatmap热力图

 热力图（heatmap）是以矩阵的形式表示，数据值在图形中以颜色 的深浅来表示数量的多少，并可以快速到到大值的与最小值所在位 置。在机器学习的分类中经常用来作混淆矩阵的比较。

#导入模块
import numpy as np
import seaborn as sns
#加载航班数据
flights = sns.load_dataset('flights')
#pivot 是DataFrame中的一个函数
data = flights.pivot('month','year','passengers')
#绘制热力图
sns.heatmap(data=data)
#参数 annot :True
sns.heatmap(data=data,annot=True)
#以整数的形式显示
sns.heatmap(data=data,annot=True,fmt='d')
#去掉右侧图例
sns.heatmap(data=data,annot=True,fmt='d',linewidths=0.5,cbar=False)
#修改色系
sns.heatmap(data=data,annot=True,fmt='d',linewidths=0.5,cbar=False,cmap='YlGnBu')

pairplot散布图矩阵

#加载模块
import seaborn as sns
import matplotlib.pyplot as plt
#加载鸢尾花数据
iris = sns.load_dataset('iris')
#pairplot绘制
sns.pairplot(data=iris)
#添加hue
sns.pairplot(data=iris,hue='species')

 

 lineplot线型图

#导入模块
import seaborn as sns
#加载数据
iris = sns.load_dataset('iris')
sns.lineplot(x='sepal_length',y='sepal_width',data=iris)
#进行分组
sns.lineplot(x='sepal_length',y='sepal_width',data=iris,hue='species')
#按性别分组
sns.lineplot(x='total_bill',y='tip',data=tips,hue='sex')
# style = 'time'
sns.lineplot(x='total_bill',y='tip',data=tips,hue='sex',size='smoker',style='time')

 

 回归分析图

线性回归图通过大量数据找到模型拟合线性回归线。

#导入模块
import seaborn as sns
iris = sns.load_dataset('iris')
#lmplot()
sns.lmplot(data=iris,x='petal_length',y='petal_width')
#regplot()
sns.regplot(data=iris,x='petal_length',y='petal_width')