Py之seaborn：seaborn库的简介、安装、使用方法之详细攻略
目录
相关文章
Py之seaborn：seaborn库的简介、安装、使用方法之详细攻略
Py之seaborn：数据可视化seaborn库(一)的柱状图、箱线图(置信区间图)、散点图/折线图、核密度图/等高线图、盒形图/小提琴图/LV多框图的简介、使用方法之最强攻略(建议收藏)
Py之seaborn：数据可视化seaborn库(二)的组合图可视化之密度图/核密度图分布可视化、箱型图/散点图、小提琴图/散点图组合可视化的简介、使用方法之最强攻略(建议收藏)
Py之seaborn：数据可视化seaborn库(三)的矩阵图可视化之jointplot函数、JointGrid函数、pairplot函数、PairGrid函数、FacetGrid函数的简介、使用方法之最强攻略(建议收藏)
seaborn库的简介
Seabn是一个在Python中制作有吸引力和丰富信息的统计图形的库。它构建在MatPultLB的顶部，与PyDATA栈紧密集成，包括对SIMPY和BANDA数据结构的支持以及SISPY和STATSMODEL的统计例程。
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。Seabn是基于MatPultLB的Python可视化库。它为绘制有吸引力的统计图形提供了一个高级接口。
- 1、选择颜色调色板的工具来绘制数据中的模式
- 2、用于可视化单变量和二变量分布或用于在数据子集之间进行比较的功能
- 3、拟合和可视化不同类型独立变量和因变量的线性回归模型的工具
- 4、可视化数据矩阵并使用聚类算法发现这些矩阵中的结构的函数
- 5、一种灵活估计统计时间序列数据的函数及其估计的不确定性表示
- 6、构造抽象网格的高级抽象，让您轻松地构建复杂的可视化
seaborn库的安装
pip install seaborn
seaborn库的使用方法
0、相关文章
Py之matplotlib：matplotlib、seaborn两种库绘图(封装函数)最强总结
1、案例应用
import numpy as np import seaborn as sns import matplotlib.pyplot as plt sns.set( palette="muted", color_codes=True) rs = np.random.RandomState(10) d = rs.normal(size=100) f, axes = plt.subplots(2, 2, figsize=(7, 7), sharex=True) plt.title('seaborn: statistical data visualization') sns.distplot(d, kde=False, color="b", ax=axes[0, 0]) sns.distplot(d, hist=False, rug=True, color="r", ax=axes[0, 1]) sns.distplot(d, hist=False, color="g", kde_kws={"shade": True}, ax=axes[1, 0]) sns.distplot(d, color="m", ax=axes[1, 1]) plt.show() 发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/216488.html原文链接：https://javaforall.net
