python数据可视化之Seaborn（一）：画风设置

写在开头：在Titani数据可视化中使用到了Seaborn的绘图，为了弄清楚Seaborn绘图的内容，于是开始分享它的相关内容。本文主要参考文献为路远老师的sns教程以及官方文档链接放在文章最后。全文相当于是一个学习的训练。

Seaborn其实就是在matplotlib的基础上进行的高级封装，调用一些封装好了的图形设置。但其设计的灵活性不如matplotlib，因此Seaborn可以说是能够锦上添花的有利工具。

Seaborn可视化内容安排

在Seaborn的学习中安排如下，
在Seaborn的学习中安排如下，
一、画风设置：会简单介绍一下绘图风格（一）与颜色风格（二）的设置；
二、绘图技巧：这里会介绍数据集（三）、相关数据（四）、分类数据（五）、线性关系（六）可视化的相关内容；
三、结构网络：本节主要介绍数据识别结构网络的绘图（七）。
首先我们开始整体布局的介绍。

一、Seaborn画风设置

绘图风格

为了对绘图的美观程度进行改善，我们可以进行一些通用性设置，首先我们引入一个例子来看一看，matplotlib绘图与seaborn绘图的区别。这里使用里ListedColormap()函数进行调色，具体调色名称可见最后参考文献中。我们定义了一组同心圆，下面我们来看看不用的绘图风格下，图形是什么样子的。

#载入包
%matplotlib inline
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib.colors import ListedColormap
np.random.seed(42)

#导入数据函数
def explot():
    color = ['Sienna','Coral','Crimson','GoldEnrod','ForestGreen']
    x = y = np.arange(-3, 3, 0.1)
    x, y = np.meshgrid(x,y)
    for i in range(1,5):
        cmap = ListedColormap(color[i])
        plt.contour(x, y, x**2 + y**2, [i], cmap=cmap)#x**2 + y**2 = i的圆形
    plt.axis('scaled')
    plt.show()

matplotlib默认参数下绘制的结果如下：

explot()

而使用sns的方法是可以用sns.set()进行简单的设置，输出图片如下，

sns.set()
explot()

Seaborn包含两组独