python 散点图中间加一条数据平均值_数据科学 | 可视化神器Seaborn的超全介绍

↑↑↑↑↑点击上方蓝色字关注我们！

---

---

『运筹OR帷幄』转载

作者：Huangwei AI

编者按：

数据可视化对于数据分析和科研论文的结果分析十分重要。python近年来呈现了许多优秀的可视化库，最经典的当属matplotlib。在matplotlib基础上，seaborn集成了基本的统计功能，并预设了很多精美的图形样式和配色。这篇文章带你入门seaborn的基本功能，让你的作图技巧再上一个等级。

基本信息

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

以下是seaborn提供的一些功能:

1. 一个面向数据集的API，用于检查多个变量之间的关系

2. 专门支持使用分类变量来显示观察结果或汇总统计数据

3. 用于可视化单变量或双变量分布以及在数据子集之间进行比较的选项

4. 各类因变量线性回归模型的自动估计与作图

5. 方便查看复杂数据集的整体结构

6. 用于构建多图块网格的高级抽象，使您可以轻松地构建复杂的可视化

7. 对matplotlib图形样式与几个内置主题的简洁控制

8. 选择调色板的工具，忠实地揭示您的数据模式

Seaborn的目标是使可视化成为探索和理解数据的核心部分。它的面向数据集的绘图功能对包含整个数据集的数据流和数组进行操作，并在内部执行必要的语义映射和统计聚合以生成信息图。

下面是一个例子:

import seaborn as snssns.set()tips = sns.load_dataset("tips")sns.relplot(x="total_bill", y="tip", col="time",            hue="smoker", style="smoker", size="size",            data=tips);

这里发生了一些事情。让我们一个一个来看:

1. 我们导入seaborn，这是这个简单示例所需的唯一库。

import seaborn as sns

在幕后，seaborn使用matplotlib绘制图片。许多任务只能通过seaborn函数来完成，但是进一步的定制可能需要直接使