数据可视化-Seaborn系列汇总

Posted 2021-04-28 数据分析与可视化学研社

每一件事都有开始和结束。是的，数据可视化Seaborn系列文章分享就要告一段落了。为什么要写这样一个系列呢？在学习和科研过程中，发现数据分析可视化其实是一种特别重要的能力，比如在科研论文，如果能将自己的实验数据以恰当且美观的方式展现出来，那么文章将会在审稿人那里有很大加分。比如在职场中，能够将汇报任务中的数据以直观的图表绘制出来，供上司或他人使用，将会给自己带来更多的机会。实际上已有很多优秀工具和工具库能够实现数据可视化。其中Seaborn就是优秀的工具库之一。

Seaborn简介

Seaborn主要用于统计绘图的，它是基于matplotlib进行了更高级的API封装。Seaborn比matplotlib更加易用，因为它避免了matplotlib中多种参数的设置。Seaborn与matplotlib关系，可以把Seaborn视为matplotlib的补充。

使用seaborn就能完成大多数情况下的统计图的绘制，做出很具有吸引力的图。

seaborn一共有5个大类21种图，分别是：

• Relational plots 关系类图

1. relplot() 关系类图(它是散点图和折线图的接口，散点图和折线图均可通过指定kind参数来绘制)

2. scatterplot() 散点图

3. lineplot() 折线图

• Categorical plots 分类图

1. catplot() 分类图(它是下面8种图的接口，下面八种图表均可通过指定kind参数来绘制)

2. stripplot() 分类散点图

3. swarmplot() 分簇散点图(能够显示分布密度的分类散点图)

4. boxplot() 箱图

5. violinplot() 小提琴图

6. boxenplot() 增强箱图

7. pointplot() 点图

8. barplot() 条形图

9. countplot() 计数图

• Distribution plot 分布图

1. jointplot() 双变量关系图

2. pairplot() 变量关系组图

3. distplot() 直方图，质量估计图，核密度估计图

4. kdeplot() 核函数密度估计图

• Regression plots 回归图

1. lmplot() 回归模型图

2. regplot() 线性回归图

3. residplot() 线性回归残差图

• Matrix plots 矩阵图

1. heatmap() 热力图

2. clustermap() 聚集图

目录

---

第一篇：

第二篇：

第三篇：

第四篇：

第五篇：

第六篇：

第七篇：

第八篇：

第九篇：

第十篇：

第十一篇：

第十二篇：

第十三篇：

第十四篇：

第十五篇：

第十六篇：

第十七篇：

第十八篇：

第十九篇：

本系列原创文章，已部分享在Github、CSDN和腾讯云社区专栏里，欢迎关注

https://github.com/Vambooo/SeabornCN

CSDN：

https://blog.csdn.net/zyb228107/article/category/9356152

腾讯云社区：

https://cloud.tencent.com/developer/user/6237940

数据挖掘分析可视化交流群成立啦

表哥画图已经创建数据挖掘分析可视化交流群。

喜欢数据挖掘分析可视化的朋友扫码添加，表哥拉你进群。

(请务必填写备注: eg. 数据分析)

长按加群

欢迎 转发、给个"在看"