Seaborn-绘制统计模型

seaborn是基于Matplotlib核心库

导入

import seaborn as sns
#或者使用魔术命令
%matplotlib inline

绘制单变量分布

distplot(arr,...)

sns.set()				#显式调用set()获取默认绘图
ax=sns.distplot(arr,bins=10)

输出：

绘制双变量分布

joinplot(x='x',y='y',data=demo_obj)

dataframe_obj=pd.DataFrame({"x":np.random.randn(500),
                            "y":np.random.randn(500)
                           })
sns.jointplot(x="x",y="y",data=dataframe_obj)
#绘制散点图

输出：

#绘制二维直方图
sns.jointplot(x="x",y="y",data=dataframe_obj,kind="hex")

输出：

#绘制核密度估计图形
sns.jointplot(x="x",y="y",data=dataframe_obj,kind="kde")

输出：

绘制成对的双变量分布

使用**pairplot()**函数实现，该函数会创建一个坐标轴矩阵，并显示DataFrame对象中每对变量的关系

#绘制多个成对的双变量分布
dataset=sns.load_dataset("tips")
sns.pairplot(dataset)

输出：

用分类数据绘图

###绘制散点图

使用**stripplot()**函数

tips=sns.load_dataset("tips")
#绘制散点图调整横坐标的位置
sns.stripplot(x='day',y='total_bill',data=tips,jitter=True)

输出：

使用**swarmplot()**函数绘制散点图点的数据不会重叠

输出：

绘制箱型图

使用**boxplot()**函数

#绘制箱型图
sns.boxplot(x='day',y='total_bill',data=tips)

输出：

sns.violinplot(x='day',y='total_bill',data=tips)

输出：

绘制条形图

sns.barplot(x='day',y='total_bill',data=tips)

输出：

绘制点图

sns.pointplot(x='day',y='total_bill',data=tips)

输出：