python axes.titlesize_Seaborn笔记一：设置图像样式及元素大小

Seaborn Tutorial

Introduction

在数据分析中，画图极为重要。在分析过程中以及最后的分析结果中都需要利用直观的图表去分析，展示数据特点，以便挖掘出有价值的信息。

因为我是用Python分析数据，那么matplotlib必不可少，然而自己太懒，matplotlib细节太多，一时没法完全掌握。Seaborn看起来是个不错的选择，它基于matplotlib，

但是做了更高层次的封装，学起来会简单很多，所以我把它当做绘图入门的工具。

我打算做一个Seaborn文档的笔记，然后再附一两篇实际应用的案例来完成我的Seaborn入门之旅。

import numpy as np

import matplotlib.pyplot as plt

import seaborn as sns

%matplotlib inline

plt.style.use({'figure.figsize':(12, 8)})

接下来画一些正弦函数来看一下Seaborn的基本参数：

def sinplot(flip=1):

x = np.linspace(0, 14, 100)

for i in range(1, 7):

plt.plot(x, np.sin(x + i * .5) * (7 - i) * flip)

sinplot()

看看matplotlib的样式：

print(plt.style.available)

['bmh', 'classic', 'dark_background', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark-palette', 'seaborn-dark', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'seaborn', '_classic_test']

可以看到，Seaborn的样式已经嵌入其中。我们将样式设置为Seaborn：

sns.set()

sinplot()