Seaborn学习笔记

reputation23187

已于 2022-04-13 20:55:15 修改

阅读量2.1k

点赞数 1

文章标签： python

于 2022-01-07 15:06:37 首次发布

本文链接：https://blog.csdn.net/reputation23187/article/details/122364512

版权

原文：http://seaborn.pydata.org/introduction.html

Seaborn简介

Seaborn是一个用Python制作统计图形的库。它建立在matplotlib之上，并与Pandas数据结构紧密集成。

Seaborn可帮助您探索和理解您的数据。它的绘图功能对包含整个数据集的数据框和数组进行操作，并在内部执行必要的语义映射和统计聚合以生成信息图。其面向数据集的声明式API让您可以专注于绘图的不同元素的含义，而不是如何绘制它们的细节。

1. 我们的第一个seaborn图

这是seaborn可以做什么的一个例子：

# Import seaborn
import seaborn as sns

# Apply the default theme
sns.set_theme()

# Load an example dataset
tips = sns.load_dataset("tips")

# Create a visualization
sns.relplot(
    data=tips,
    x="total_bill", y="tip", col="time",
    hue="smoker", style="smoker", size="size",
)

在这里插入图片描述
这里发生了一些事情。让我们一一介绍：

# Import seaborn
import seaborn as sns

Seaborn 是我们需要为这个简单示例导入的唯一库。按照惯例，它是用缩写sns导入的。

在幕后，seaborn使用matplotlib绘制绘图。对于交互式工作，建议在matplotlib模式下使用Jupyter或IPython接口，否则，当您想查看绘图时，必须调用 matplotlib.pyplot.show()。

# Apply the default theme
sns.set_theme()

这使用了matplotlib rcParam系统，并且会影响所有matplotlib图的外观，即使您没有使用seaborn制作它们。除了默认主题之外，还有其他几个选项，您可以独立控制绘图的样式和缩放比例，以在演示上下文之间快速转换您的工作（例如，制作在演讲期间投影时具有可读字体的图形版本）。如果您喜欢matplotlib默认值或喜欢不同的主题，您可以跳过这一步并仍然使用seaborn绘图功能。

（注：出现错误提示module ‘seaborn’ has no attribute ‘set_theme’，可能为Seaborn版本较老，在cmd中使用指令pip install -U seaborn即可）

# Load an example dataset
tips = sns.load_dataset("tips")

文档中的大多数代码将使用load_dataset()函数来快速访问示例数据集。这些数据集没有什么特别之处：它们只是Pandas数据帧，我们可以使用 pandas.read_csv()加载它们或手动构建它们。文档中的大多数示例将使用Pandas数据框指定数据，但seaborn对于它接受的数据结构非常灵活。

（注：若出现错误“TimeoutError: [WinError 10060] 由于连接方在一段时间后没有正确答复或连接的主机没有反应，连接尝试失败”，可能为计算机C:/user/用户名/ 文件夹内无seaborn-data文件夹，该文件夹可在https://github.com/mwaskom/seaborn-data下载）

# Create a visualization
sns.relplot(
    data=tips,
    x="total_bill", y="tip", col="time",
    hue="smoker", style="smoker", size="size",
)

该图采用对seaborn函数relplot()的一次调用，显示了tips数据集中五个变量之间的关系。注意我们是如何仅提供变量的名称及其在图中的作用的。与直接使用matplotlib不同，我们没有必要根据颜色值或标记代码指定绘图元素的属性。在幕后，seaborn处理了从数据帧中的值到matplotlib理解的参数的转换。这种声明式方法让您可以专注于想要回答的问题，而不是关注如何控制matplotlib的细节。