seaborn绘图工具包--数据可视化

Seaborn: 是在matplotlib的基础上进行了更高级的API封装, 从而使得作图更加容易, 在大多数情况下使用seaborn就能做出很具有吸引力的图

如果提示没有, 可以在cmd命令行里输入:

pip install seaborn

进行下载

import seaborn as sn

1. 直方图

x1 = np.random.normal(loc=0, scale=1, size=1000)

# bins 柱子的数量(宽度)(值越大越窄)

# kde 是否显示核密度估计图, 默认显示, 设置False不显示

sn.distplot(x1, bins=100, kde=False)

pli.show()

# rug  显示观测的小细条(边际毛毯), 默认为False不显示, 设置为True

sn.distplot(x1, bins=100, kde=False, rug=True)

pli.show()

2. 核密度估计图+直方图+边际毛毯

# hist 设置为False 不会显示条形图

sn.distplot(x1, hist=True, bins=20, kde=Ture, rug=True)

3. 直方图+核密度估计图

x2 = np.random.randint(0, 100, 500)

sn.distplot(x2)

其它的搭配自己调试

4. 散点图

sn.jointplot(x='数据', y='数据', data='数据来源')

5. 二维直方图

# kind 图的类型

sn.jointplot(x='数据', y='数据', data='数据来源', kind='hex')

plt.show()

6. 二维核密度估计图

sn.jointplot(x='数据', y='数据', data='数据来源', kind='kde')

plt.show()

7. 小提琴图

# 类别数据可视化

exercise = sn.load_dataset('exercise ')

sn.violinplot(x='diet', y='pulse', data=exercise, hue='kind')

plt.show()

8. 柱状图

sn.barplot(x='diet', y='pulse', data=exerise, hue='kind')

9. 点图

sn.pointplot(x='diet', y='pulse', data=exerise, hue='kind')

10. 圆饼

# labels=范围对应的标签

plt.pie(数据, labels=['x', 'x', 'x'], autopct='%.1%%')

11. 将图片保存到本地

plt.savefing('文件名称.png')

plt.show()