Python数据分析之可视化——用 Seaborn 做数据可视化（0）总章

参考来源：Seaborn 官方文档

1. 介绍＆框架

1.1 Seaborn 与 Matplotlib 的关系

1. Matplotlib 是一款实用且流行的数据可视化工具；
2. Seaborn 是在 Matplotlib 的基础上开发的一款强大 API，非常方便；
   说白了，Matplotlib 就是 Seaborn 的底层。

1.2 Seaborn 的优势

1. 拥有更多的、更现代化的风格样式和艺术效果；
2. 新增了更多的基于统计的、更加简单方便的高级函数；
3. 能与 Pandas 的 DataFrame 无缝结合。

附：绘图风格的对比

• Matplotlib 绘图风格：
  
• seaborn 绘图风格（默认）：
  
• seaborn绘图风格（设置样式后）：

sns.set()  # 默认 style='darkgrid'

注意：sns.set() 一旦设置，全局都回更改，只有重启可以修改（也要注意 matplotlib 和 seaborn 的区别）

1.3 框架（理解）

全篇分三块进行：
一. 绘图函数（Plotting functions）
二. 多图网络（Multi-plot grids ）
三. 画图设置（Plot aesthetics）

目前主要关注第一部分，绘图函数包括针对大多数是连续型数值变量操作的 relplot( )函数，以及针对包含大量分类（离散）数据的 catplot( )，第二、第三部等有需要再进行完善。

2. 绘图函数

2.1 可视化统计关系

2.1 可视化统计关系：sns.relplot()

主要是关系分析函数 sns.relplot()]

2.2 可视化分类数据

2.2 可视化分类数据：sns.catplot()

主要是分类可视化函数 sns.catplot()

2.3 可视化数据集的数据分布

2.3 可视化数据集的数据分布

主要是单变量分析函数 distplot()、二元分布函数jointplot() 和 矩阵图 pairplot()

2.4 可视化线性关系

2.4 可视化线性关系

主要是 regplot() 和 lmplot() 函数。

3. 多图网格

4. 图像美学/画图设置

5. 总结

参考：

Seaborn官网教程