【100天精通Python】Day71：Python可视化_一文掌握Seaborn库的使用《一》_数据分布可视化，数据关系可视化，示例+代码

目录

1. 数据分布的可视化

1.1 直方图（Histograms）

1.2 核密度估计图（Kernel Density Estimation Plot）

1.3 箱线图（Box Plot）

  1.4 小提琴图（Violin Plot）

​编辑1.5 散点图（Scatter Plot）

2. 数据关系的可视化

2.1  散点图矩阵（Pair Plot）

2.2  线性回归模型可视化（Linear Regression Plot）

​编辑

2.3 关联矩阵（Correlation Matrix Plot）

2.4 热力图（Heatmap）

---

         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：