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