创新驱动发展战略的内容北京云无限优化

是什么

Seaborn 是一个Python数据可视化库，它基于Matplotlib。Seaborn提供了高级的绘图接口，可以用来绘制各种统计图形，如线图、热图和分布图等，使得数据的可视化变得更加简单和快速。Seaborn的一些特点包括默认的美观度和自定义主题、多种可视化类型和方便的绘图函数等。Seaborn的使用也可以通过简单的代码完成，因此是一个非常流行的数据可视化工具。

安装

1. 确认你已经安装了 Python 和 pip (Python 的包管理工具)。
   如果你没有安装，可以从官网下载安装：https:/https://www.python.org/downloads/

2. 打开终端 (Windows 用户可以使用 PowerShell 或命令提示符)。

3. 在终端中输入以下命令来安装 Seaborn:

   pip install seaborn
   

4. 等待安装完成。

5. 安装完成后，在 Python 中导入 Seaborn：

   import seaborn as sns
   

现在，你已经成功安装了 Seaborn。

使用

显示中文及负号

# 配置中文字体路径，替换成您的字体文件路径
plt.rcParams['font.sans-serif'] = ['SimHei']# 解决负号显示问题
plt.rcParams['axes.unicode_minus'] = False

散点图

import seaborn as sns
import matplotlib.pyplot as plt# 配置中文字体路径，替换成您的字体文件路径
plt.rcParams['font.sans-serif'] = ['SimHei']# 解决负号显示问题
plt.rcParams['axes.unicode_minus'] = False# 创建一个示例数据集
# 这里使用Seaborn内置的数据集，你也可以使用自己的数据集
tips = sns.load_dataset("tips")# 创建散点图
sns.scatterplot(x="total_bill", y="tip", data=tips)# 添加标题和标签
plt.title("散点图示例")
plt.xlabel("总账单金额")
plt.ylabel("小费金额")# 显示图形
plt.show()

上面的代码执行以下操作：
导入Seaborn和Matplotlib库。
使用sns.load_dataset()加载一个内置的示例数据集（在此示例中使用的是名为"tips"的数据集，包含了餐厅账单和小费数据）。
使用sns.scatterplot()创建一个散点图，指定x和y轴的数据列以及数据集。
使用plt.title()、plt.xlabel()和plt.ylabel()添加标题和标签。
最后，使用 plt.show() 显示图形。

箱线图

import seaborn as sns
import matplotlib.pyplot as plttips = sns.load_dataset("tips")
sns.boxplot(x="day", y="total_bill", data=tips)
plt.title("箱线图示例")
plt.xlabel("日期")
plt.ylabel("总账单金额")
plt.show()

小提琴图

import seaborn as sns
import matplotlib.pyplot as plttips = sns.load_dataset("tips")
sns.violinplot(x="day", y="total_bill", data=tips)
plt.title("小提琴图示例")
plt.xlabel("日期")
plt.ylabel("总账单金额")
plt.show()

堆叠柱状图

import seaborn as sns
import matplotlib.pyplot as plttips = sns.load_dataset("tips")
sns.barplot(x="day", y="total_bill", data=tips, hue="sex")
plt.title("堆叠柱状图示例")
plt.xlabel("日期")
plt.ylabel("总账单金额")
plt.show()

分面绘图

import seaborn as sns
import matplotlib.pyplot as plttips = sns.load_dataset("tips")
sns.relplot(x="total_bill", y="tip", data=tips, col="time", hue="sex")
plt.suptitle("分面绘图示例")
plt.show()

分类散点图

import seaborn as sns
import matplotlib.pyplot as plttips = sns.load_dataset("tips")
sns.stripplot(x="day", y="total_bill", data=tips, jitter=True, hue="sex", dodge=True)
plt.title("分类散点图示例")
plt.xlabel("日期")
plt.ylabel("总账单金额")
plt.show()

热力图

import seaborn as sns
import matplotlib.pyplot as plt# 创建一个示例数据框
import pandas as pd
data = pd.DataFrame({'A': [1, 2, 3, 4, 5],'B': [3, 4, 1, 5, 2],'C': [5, 2, 3, 1, 4]})# 计算相关性矩阵
correlation_matrix = data.corr()# 使用heatmap函数创建相关性矩阵的热力图
sns.heatmap(correlation_matrix, annot=True, cmap="YlGnBu")# 添加标题
plt.title("相关性矩阵的热力图示例")# 显示图表
plt.show()

成对关系图

import seaborn as sns
import matplotlib.pyplot as plt# 加载示例数据集（这里使用的是Iris数据集）
iris = sns.load_dataset("iris")# 使用pairplot创建成对关系图，设置hue参数来根据类别进行颜色分组
sns.pairplot(iris, hue="species")# 添加标题
plt.title("Iris数据集的成对关系图")# 显示图表
plt.show()

线图

import seaborn as sns
import matplotlib.pyplot as plt
# 配置中文字体路径，替换成您的字体文件路径
plt.rcParams['font.sans-serif'] = ['SimHei']# 解决负号显示问题
plt.rcParams['axes.unicode_minus'] = False
fmri = sns.load_dataset("fmri")
sns.lineplot(x="timepoint", y="signal", data=fmri, hue="event")
plt.title("线图示例")
plt.xlabel("时间点")
plt.ylabel("信号强度")
plt.show()

直方图

import seaborn as sns
import matplotlib.pyplot as plt# 配置中文字体路径，替换成您的字体文件路径
plt.rcParams['font.sans-serif'] = ['SimHei']# 解决负号显示问题
plt.rcParams['axes.unicode_minus'] = False
tips = sns.load_dataset("tips")
sns.histplot(data=tips, x="total_bill", bins=20, kde=True)
plt.title("直方图示例")
plt.xlabel("总账单金额")
plt.ylabel("频数")
plt.show()