数据分析与图形化-seaborn作图总结

Posted 2023-02-23

参考技术A

python中常用的数据图形化库有matplotlib,seaborn,plotnine以及pandas自带的图形化功能等（目前我接触的）。在这几种图形化中，pandas自带的库图形简单，matplotlib需要调试的参数过多，seaborn基于matplotlib，但是学习难度远小于matplotlib，可以作为学习的首选图形化库。
以下为我个人常用的几种图形

seaborn输入参数基本所有的图形输入类型是一致的，设置输入的横坐标的数据即 x =“列名”， y =列名，用于分类的数据 hue =列名，输入的数据集，及一些其他的参数。

palette为seaborn可以选择的调色板。有多种配色选择可以用来选择。

箱线图与小提琴图一样，适合展示数据的整体分布，与数据的集中程度，箱线图还包括数据的上线四分位线，异常值等等，也可以用来比较两组数据整体的高低等。

在数据集中数据较多的情况下，还可以选择sns.boxenplot用来展示数据分布，可以较为直观的整体数据分布。

日常使用boxplot比较多，对于boxplot，有以下几点小小的总结：

最后得到图形如下所示，显得比较简单直接。

seaborn中只有5个风格可供选择，而在matplotlib中则有更多的作图风格可以供我们选择，我们可以使用以上语句选择需要使用的风格(26种）具体可以参考.
matplotlib style

小提琴图是核密度图与数据分布图的结合的图形，表达图形含义与箱线图类似，可以较为直观的展示数据的分布。

此外还有一些其他的图形较为常用，swarmplot(簇状散点图），stripplot(分类散点图），scatterplot(散点图），lineplot(连线图），lmplot(拟合回归线图，可以选择回归线的幂次，如二次回归或者三次回归等）。catplot（以某一列为分类信息，分成多个图展示数据，可以选择的又boxplot等）。

seaborn style
matplotlib style