本文正在参加「Python主题月」，详情查看 活动链接
上一篇文章我们介绍了 Matplotlib，接下来让我们继续我们列表的第二个库——Seaborn。Seaborn 是一个建立在 Matplotlib 之上的高级接口。 它提供了漂亮的设计风格和调色板来制作更具吸引力的图形。
安装
要安装 seaborn，请在终端中输入以下命令。
pip install seaborn
Seaborn 建立在 Matplotlib 之上，因此它也可以与 Matplotlib 一起使用。一起使用 Matplotlib 和 Seaborn 是一个非常简单的过程。我们只需要像之前一样调用 Seaborn Plotting 函数，然后就可以使用 Matplotlib 的自定义函数了。
注意： Seaborn 加载了提示、虹膜等数据集，但在本教程中，我们将使用 Pandas 加载这些数据集。
例子：
# 导包
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
# 画线图
sns.lineplot(x="sex", y="total_bill", data=data)
# 使用 Matplotlib 设置标题
plt.title('Title using Matplotlib Function')
plt.show()
输出:
散点图
散点图是使用scatterplot() 方法绘制的。这类似于 Matplotlib，但需要额外的参数数据。
# 导包
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
sns.scatterplot(x='day', y='tip', data=data,)
plt.show()
输出:
你会发现在使用 Matplotlib 时，如果你想根据sex为这个图的每个点着色会很困难。 但在散点图中，它可以在色调参数的帮助下完成。
例子：
# 导包
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
sns.scatterplot(x='day', y='tip', data=data,
hue='sex')
plt.show()
输出:
线图
Seaborn 中的 Line Plot 使用 lineplot() 方法绘制。 在这种情况下，我们也可以只传递 data 参数。
示例：
# 导包
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
sns.lineplot(x='day', y='tip', data=data)
plt.show()
输出：
示例 2：
# 导包
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
# 仅使用数据属性
sns.lineplot(data=data.drop(['total_bill'], axis=1))
plt.show()
输出：
条形图
Seaborn 中的条形图可以使用barplot()方法.
例子：
# 导包
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
sns.barplot(x='day',y='tip', data=data,
hue='sex')
plt.show()
输出：
直方图
Seaborn 中的直方图可以使用histplot() 函数绘制。
例子：
# 导包
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
sns.histplot(x='total_bill', data=data, kde=True, hue='sex')
plt.show()
输出：
在浏览完所有这些绘图后，您一定已经注意到，使用 Seaborn 自定义绘图比使用 Matplotlib 容易得多。 它也是基于 matplotlib 构建的，那么我们也可以在使用 Seaborn 时使用 matplotlib 函数。下一节我们继续谈第三个库——Bokeh
🥇 Python 进行数据可视化系列汇总
- 使用 Python 进行数据可视化之Matplotlib
- 使用 Python 进行数据可视化之Seaborn
- 使用 Python 进行数据可视化之Bokeh
- 使用 Python 进行数据可视化之Plotly
🧵 更多相关文章
- 30 个 Python 教程和技巧
- Python 语句、表达式和缩进
- Python 关键字、标识符和变量
- 如何在 Python 中编写注释和多行注释
- 通过示例了解 Python 数字和类型转换
- Python 数据类型——从基础到高级学习
- 手把手教你使用 Python 制作贪吃蛇游戏
- Python 中的面向对象编程一之类、对象和成员
🍰 往日优秀文章推荐：
- 每个人都必须知道的 20 个 Python 技巧
- 100 个基本 Python 面试问题第一部分(1-20)
- 100 个基本 Python 面试问题第二部分(21-40)
- 100 个基本 Python 面试问题第三部分(41-60)
- 100 个基本 Python 面试问题第四部分(61-80)
- 100 个基本 Python 面试问题第五部分(81-100)
如果你真的从这篇文章中学到了一些新东西，喜欢它，收藏它并与你的小伙伴分享。🤗最后，不要忘了❤或📑支持一下哦
