# 高级绘图工具seaborn的使用方法
# 更加方便入手,比matplotlib更容易查找
import seaborn as sns
import numpy as np
import pandas as pd
一、Seaborn-绘制统计图形
# 对于单变量的数据来说 采用直方图或核密度曲线是个不错的选择,
# 对于双变量来说,可采用多面板图形展现,比如 散点图、二维直方图、核密度估计图形等。
# 针对这种情况, Seaborn库提供了对单变量和双变 量分布的绘制函数,如 displot()函数、 jointplot()函数
1.1 绘制单变量分布 distplot()
# seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None, color=None)
# (1) a:表示要观察的数据,可以是 Series、一维数组或列表。
# (2) bins:用于控制条形的数量。
# (3) hist:接收布尔类型,表示是否绘制(标注)直方图。
# (4) kde:接收布尔类型,表示是否绘制高斯核密度估计曲线。
# (5) rug:接收布尔类型,表示是否在支持的轴方向上绘制rugplot。
# 上述示例中,首先导入了用于生成数组的numpy库,然后使用 seaborn调用set()函数获取默认绘图,并且调用 random模块的seed函数确定随
# 机数生成器的种子,保证每次产生的随机数是一样的,接着调用 randn()函数生成包含100个随机数的数组,最后调用 distplot()函数绘制直
# 方图。
sns.set()
np.random.seed(0) # 确定随机数生成器的种子,如果不使用每次生成图形不一样
arr = np.random.randn(100) # 生成随机数组
ax = sns.distplot(arr, bins=10, hist=True, kde=True, rug=True) # 绘制直方图
# arr
1.2 绘制双变量分布
# seaborn.jointplot(x, y, data=None, kind='scatter', stat_func=None, color=None, ratio=5, space=0.2, dropna=True)
# (1) kind:表示绘制图形的类型。
# (2) stat_func:用于计算有关关系的统计量并标注图。