pyhthon中星号_Pyhthon数据可视化之Seaborn -- 让你的数据可视化从此变得小清新

seaborn 简介

Seaborn是一种基于matplotlib的图形可视化python libraty。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充，而不是替代物。同时它能高度兼容numpy与pandas数据结构以及scipy与statsmodels等统计模式。掌握seaborn能很大程度帮助我们更高效的观察数据与图表，并且更加深入了解它们。

其有如下特点：

基于matplotlib aesthetics绘图风格，增加了一些绘图模式 增加调色板功能，利用色彩丰富的图像揭示您数据中的模式 运用数据子集绘制与比较单变量和双变量分布的功能 运用聚类算法可视化矩阵数据 灵活运用处理时间序列数据 利用网格建立复杂图像集 。本内容抛砖引玉，更多精华移步seabron官方网站：http://seaborn.pydata.org

导入所需库

import seaborn as sns

import matplotlib.pyplot as plt

import pandas as pd

import matplotlib

matplotlib.rcParams['font.sans-serif'] = ['Fangsong'] #显示中文字体

导入数据

data = pd.read_csv("data.csv",encoding="gbk") #导入数据

data = data.sample(100) #抽样选取其中100用于绘图

查看数据

data.head() #查看数据前五行。

直方图，了解数据分布情况

sns.distplot(data["点击"],bins=30,axlabel = '点击')

联合图，双变量可视化一目了然

#创建联合图来可视化双变量数据

sns.jointplot(x ='消费' ,y='有效' , data =data, kind = 'reg')

联合绘图，让图表赏心悦目

# 创建pairplot来创建dataframe中每个数字列的组合的联合绘图

sns.pairplot(data, hue = '账户', palette= 'coolwarm')

怎么样，是不是比Excel干巴巴的图表有趣多了~

更多内容请关注哦，每天一个python小知识。