13518219792
这篇文章主要介绍seaborn是什么，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！
10多年的浈江网站建设经验，针对设计、前端、开发、售后、文案、推广等六对一服务，响应快，48小时及时工作处理。成都营销网站建设的优势是能够根据用户设备显示端的尺寸不同，自动调整浈江建站的显示方式，使网站能够适用不同显示终端，在浏览器中调整网站的宽度，无论在任何一种浏览器上浏览网站，都能展现优雅布局与设计，从而大程度地提升浏览体验。创新互联从事“浈江网站设计”,“浈江网站推广”以来，每个客户项目都认真落实执行。
提到python画图，我们第一个想到的库一定是matplotlib，但是随着大家眼光的提高，matplotlib画出的图渐渐“失宠”了，今天就让我们来了解一下建立在matplotlib上的绘图库——seaborn。
先来看一下对于seaborn的说明：
- 面向数据集的API，用于检查多个变量之间的关系；
- 专门支持使用分类变量显示观察结果或汇总统计信息；
- 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的选项；
- 不同种类因变量的线性回归模型的自动估计和绘图；
- 方便查看复杂数据集的整体结构；
- 用于构造多图网格的高级抽象，可让您轻松构建复杂的可视化；
- 带有几个内置主题的 matplotlib图形样式的精确控制。
导入数据
在seaborn中含有许多的示例数据，我们选取其中一个较为简单的数据集开始我们本文对seaborn的讲解。
import seaborn as sns
# 加载数据集,sns加载的数据集是dataframe类型
flights_long = sns.load_dataset("flights")
flights_long.head()得到的结果如下：
直方图
接下来就让我们先来画一个简单的直方图吧：
# 直方图（数值型） # kde:用于控制密度曲线的有无(默认True) sns.distplot(flights_long['passengers'], kde=True)
再来看一个更高端的统计直方图：
# 统计直方图 sns.countplot(flights_long['years'])
再来看一下显示数据分布情况的图形：
# 显示数据的分布情况 rugplot sns.rugplot(flights_long['passengers'])
散点图
散点图可以很好的展示出两个特征的属性值之间的关系，看一下绘制散点图的代码：
sns.stripplot(x='year', y='passengers', data=flights_long)
下面再来展示一种绘制散点图的方法，与上面不同的是，该方法绘制出的图中的点 不会重叠。
sns.swarmplot(x='year', y='passengers', data=flights_long)
以上是seaborn是什么的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注创新互联行业资讯频道！
