python-seaborn库数据可视化{直方图、散点图、箱线图、变量关系图、热力图、条形图}

seaborn是在matplotlib的基础上进行了更加高级的封装，可以更加方便画出各种精美、方便分析数据的图表。本文主要将常见的6种{直方图、散点图、箱线图、变量关系图、热力图、条形图}进行一个学习总结说明，并附上代码及图片展示。

目录

一、直方图

二、散点图

三、箱线图

四、变量关系图

五、热力图

六、条形图

---

这里附上绘画颜色所对应的英文字母，方便后续修改颜色配置。

 

一、直方图

首先获取数据，对数据进行清洗，再数据可视化

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt

#读入数据
df=pd.read_csv('C:/Users/27812/Desktop/1-Advertising.csv')
#数据清洗
#1.清除重复值
df.drop_duplicates(keep='first',inplace=True)
#2.清除缺失值
df.dropna(how='any',inplace=True)
all_cloumns=list(df)#获取所有列名
print(all_cloumns)
#['TV', 'radio', 'newspaper', 'sales']

#直方图可视化
fig1,axes=plt.subplots(2,2)
sns.distplot(df['TV'],ax=axes[0,0])#kde和hist默认保留
sns.kdeplot(df['radio'],ax=axes[0,1],color='darkviolet',shade=True)#shade代表是否填充
sns.distplot(df['newspaper'],ax=axes[1,0],color='g',kde=False)
sns.distplot(df['sales'],ax=axes[1,1],hist=False,color='r')
#保存图片
fig1.savefig('A.png',dp