内容简介：之前看其他大佬的项目，只在意他们通过可视化的数据集，对数据特征挖掘的思路，但没有在意他们做可视化的工具。轮到自己做的时候就发现，wtf！matplotlib可以更难用一点嘛？别人酷炫狂拽，坐标轴上还有直方图的可视化究竟是怎么弄的？今天碰到了Seaborn的库，一行代码就出图，爱了！
之前看其他大佬的项目，只在意他们通过可视化的数据集，对数据特征挖掘的思路，但没有在意他们做可视化的工具。轮到自己做的时候就发现，wtf！matplotlib可以更难用一点嘛？别人酷炫狂拽，坐标轴上还有直方图的可视化究竟是怎么弄的？
今天碰到了Seaborn的库，一行代码就出图，爱了！
Seaborn介绍
Seaborn是 Python 的数据统计图形库。 它基于matplotlib构建，并与pandas数据结构紧密集成。
Seaborn功能简介
-
面向数据集的API，便于观察多个变量之间的关系
-
支持分类变量可视化或汇总统计信息
-
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
-
不同因变量的线性回归和展示
-
方便查看复杂数据集的整体结构
-
强大的函数，可让您轻松构建复杂的可视化
-
基于matplotlib的样式
-
包含调色板工具
flatui = ["#9b59b6", "#3498db", "#95a5a6", "#e74c3c", "#34495e", "#2ecc71"] sns.palplot(sns.color_palette(flatui))
seaborn功能初探
#导入库 import numpy as np import pandas as pd import seaborn as sns
单变量可视化
查看seaborn中的单变量分布的最便捷方法是distplot()函数。默认情况下，将绘制直方图并拟合核密度估计（KDE, kernel density estimate）。
# 生成数据 x = np.random.normal(size=100) # 数据可视化 sns.distplot(x)
双变量分布可视化
在seaborn中可视化双变量的方法是jointplot()函数，该函数创建一个多面板图形，该图形同时显示两个变量之间的双变量（或联合）关系以及每个变量的单变量分布。
# 生成二维数据 mean, cov = [0, 1], [(1, .5), (.5, 1)] data = np.random.multivariate_normal(mean, cov, 200) df = pd.DataFrame(data, columns=["x", "y"]) # 数据可视化 sns.jointplot(x="x", y="y", data=df)
-
二维直方图
sns.jointplot(x=x, y=y, kind="hex")
-
核密度估计
sns.jointplot(x="x", y="y", data=df, kind="kde")
多变量数据可视化
要在多变量数据集中绘制成对的双变量分布，可以使用pairplot()函数。这将创建轴矩阵，并显示DataFrame中每列的关系。默认情况下，它还会在对角轴上绘制每个变量的单变量分布。
# 读入内置数据
iris = sns.load_dataset("iris")
# 数据可视化
sns.pairplot(iris)
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
打火机与公主裙·荒草园
Twentine / 青岛出版社 / 2017-3 / 36.00元
“如果人临死前真有走马灯这个环节，她大概会是我这辈子见的最后一人。” 从青涩的校园时代里一抹明亮的金，到厮杀的职场中那化不开的黑，李峋就像荒芜之地的一株野草，受到再大的挫折依然固执地生长。 如果说朱韵从前的生活一直维持着表面的顺风顺水，平静安和，那李峋的出现则打破了这一切。他是她生命中第一次，也是唯一一次的冒险。 在外人眼里李峋嚣张而轻蔑，只有朱韵懂得他心中那片自留地，自愿成为孤......一起来看看 《打火机与公主裙·荒草园》 这本书的介绍吧!
