Seaborn是针对统计绘图的，一般来说，Seaborn能满足数据分析90%的绘图需求。本站整理的Seaborn的41个样例代码，在github进行分享，绝大部分数据可视化的问题可以参考这里的样例代码。
** **
Matplotlib试着让简单的事情更加简单，困难的事情变得可能，而Seaborn就是让困难的东西更加简单。
Seaborn是针对统计绘图的，一般来说，Seaborn能满足数据分析90%的绘图需求。
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，应该把Seaborn视为matplotlib的补充，而不是替代物。
用matplotlib最大的困难是其默认的各种参数，而Seaborn则完全避免了这一问题。
seaborn一共有5个大类21种图，分别是：
- Relational plots 关系类图表
- relplot() 关系类图表的接口，其实是下面两种图的集成，通过指定kind参数可以画出下面的两种图
- scatterplot() 散点图
- lineplot() 折线图
-
Categorical plots 分类图表
-
- catplot() 分类图表的接口，其实是下面八种图表的集成，通过指定kind参数可以画出下面的八种图
- stripplot() 分类散点图
- swarmplot() 能够显示分布密度的分类散点图
- boxplot() 箱图
- violinplot() 小提琴图
- boxenplot() 增强箱图
- pointplot() 点图
- barplot() 条形图
- countplot() 计数图
-
Distribution plot 分布图
-
- jointplot() 双变量关系图
- pairplot() 变量关系组图
- distplot() 直方图，质量估计图
- kdeplot() 核函数密度估计图
- rugplot() 将数组中的数据点绘制为轴上的数据
-
Regression plots 回归图
-
- lmplot() 回归模型图
- regplot() 线性回归图
- residplot() 线性回归残差图
-
Matrix plots 矩阵图
-
- heatmap() 热力图
- clustermap() 聚集图
github地址：\
主要内容：
Jupyter notebook格式，Seaborn.ipynb包含共41个Seaborn的样例代码，只需要修改数据源就能画出类似下图这样的图表。
（Seaborn内置了不少样例数据，为dataframe类型， 命令：
df = sns.load_dataset("anscombe")即读取“anscombe”样例数据，如果要查看数据，可以使用类似df.head()命令查看，绘图的时候替换为自己的数据即可。）部分效果
参考：
seaborn.pydata.org/examples/in…
请关注和分享↓↓↓\
机器学习初学者\
QQ群：554839127
（注意：本站有6个qq群，加入过任何一个的不需要再加）
往期精彩回顾\
