seaborn学习
序言
有幸在这次的组队学习活动中,拜读宁海涛先生的《科研论文配图绘制指南——基于python》一书,这本书文辞亲切,排版友好,色彩丰富,内容实用,实在是一本学习如何使用python进行科研论文配图绘制的好书!
科研论文配图的绘制对我们的重要性不言而喻,无论是毕业论文还是竞赛中需要提交的论文,甚至是我们的课程论文,一组色彩合适、排版优美的配图都会是我们论文的加分项。因此,这本书实在值得一读。
阅读笔记
Seaborn绘图库介绍
Seaborn 在 Matplotlib 的基础上进行了更加高级的封装,也就是说,Seaborn在使用上入门比Matplotlib要容易,并且很多Matplotlib的绘图方法,在Seaborn中依然是可用的。在统计图的绘制中,Seaborn库的使用非常的广泛。
绘制图形的类型及对应的函数
1 关系型图
这一类图是用于表现出数据集变量间的相互关系和相互依赖的程度,这是通过统计分析变量间的相关性来达成的。
绘图函数 | 图类型 |
---|---|
scatterplot() | 散点图、气泡图 |
replot() | 数据拟合散点图 |
lineplot() | 线图、带标记的线图 |
2 数据分布型图
Seaborn提供了多个函数可以用于数据分布型图的绘制,这有助于只管表现出数据的分布情况、数据的覆盖范围、中心趋势、异常值等基本情况。
绘图函数 | 图类型 |
---|---|
displot() | 数据分布图 |
histplot() | 直方图 |
kdeplot() | 核密度图 |
ecdfplot() | 经验分布函数图 |
rugplot() | 轴底部毯形图 |
3 分类数据型图
具有离散变量时常用,Seabron提供了以 X X X或 Y Y Y轴作为分类轴的绘图函数。
绘图函数 | 图类型 |
---|---|
stripplot() | 抖动散点图 |
swarmplot() | 蜂巢图 |
boxplot() | 箱线图 |
violinplot() | 带误差先“小提琴图” |
boxenplot() | 增强型箱线图 |
4 回归模型分析图
常常使用用回归模型分析型图表示数据集中变量间的关系,使用统计模型来估计两组变量间的关系。
绘图函数 | 图类型 |
---|---|
lmplot() | 数据拟合回归图 |
replot() | 线性回归模型拟合图 |
residplot() | 线性回归残差图 |
多子图网格型图
- FacetGrid()函数:可实现数据集中任一变量的分布和数据集子集中多个变量之间关系的可视化展示
- PairGrid()函数:数主要用于绘制数据集中具有成对关系的多子图网格型图
绘图风格、颜色主题、绘图元素缩放比例
import matplotlib.plt as plt
import seaborn as sns
sns.set_style("style_name") #设置绘图风格
sns.set_palette("palette_name") #设置颜色主题
sns.set_context("context_name") #设置绘图元素缩放比例
set_style()
参数:可选值包括 darkgrid、whitegrid、dark、white 和 ticks。set_palette()
参数:更改颜色主题,该函数包含多色系、单色系和双色渐变色系 3 类颜色主题。具体的颜色可以根据需要查文档。set_context()
参数:可选值为 paper、notebook(默认)、talk 和 poster,缩放比例依次增大。