目录
1.2 核密度估计图(Kernel Density Estimation Plot)
2.2 线性回归模型可视化(Linear Regression Plot)
2.3 关联矩阵(Correlation Matrix Plot)
Seaborn库是一个基于Matplotlib的Python数据可视化库,它提供了一些用于创建漂亮和有吸引力的统计图形的高级接口。Seaborn库具有更简洁的语法和更丰富的默认设置,能够使用户更轻松地生成各种复杂图表。
1. 数据分布的可视化
1.1 直方图(Histograms)
直方图用于可视化单变量数据的分布。它将数据划分为多个连续的区间(或"箱子")并绘制每个区间中数据点的频率或计数。
import seaborn as sns
import matplotlib.pyplot as plt
# 生成示例数据
data = sns.load_dataset("iris")
# 绘制直方图
sns.histplot(data=data['sepal_length'], kde=True) # kde参数绘制核密度估计图
plt.xlabel("Sepal Length")
plt.ylabel("Frequency")
plt.title("Histogram of Sepal Length")
plt.show()
输出: