如何用Seaborn描绘线图，分面网格关联图，密度图，连接图，热力图，线性回归图，分面网格绘图

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接： https://blog.csdn.net/dongzixian/article/details/102761305

事前准备请看之前的文章0o0！

线图

data = {
    'apple':[4,0,7,8],
    'orange':[3,5,6,7],
    'bananas':[6,4,5,3]
}
df = pd.DataFrame(data,index=['a','b','c','d'])
df

plt.figure(dpi=150)
sns.lineplot(data=df)#一列一条线

导入数据

tips = sns.load_dataset("tips")
tips.head()

plt.figure(dpi=150)
sns.lineplot(x= 'total_bill',y='tip',data=tips)

sns.lineplot(x = 'total_bill',y='tip',hue='sex',data=tips)

plt.figure(dpi=150)
sns.lineplot(x = 'total_bill',y='tip',hue='sex',size='smoker',style='time',data=tips)

mpg_df = sns.load_dataset("mpg")
mpg_df

g = sns.relplot(x="displacement",y="mpg",data=mpg_df)#默认散点图

g = sns.relplot(x="displacement",y="mpg",col="cylinders",data=mpg_df)

g = sns.relplot(x="displacement",y="mpg",col="cylinders",row="origin",data=mpg_df)

• col_wrap=3 一行三个

g = sns.relplot(x="displacement",y="mpg",col="cylinders",hue="origin",col_wrap=3,data=mpg_df)

g = sns.relplot(x="displacement",y="mpg",col="cylinders",hue="origin",col_wrap=3,kind="line",data=mpg_df)

密度图（双变量）

n=1024
x = np.random.normal(0,1,n)
y = np.random.normal(0,1,n)
g = sns.kdeplot(x,y)

g = sns.kdeplot(x,y,shade=True)

连接图

n=1024
x = np.random.normal(0,1,n)
y = np.random.normal(0,1,n)
g = sns.jointplot(x,y)

g = sns.jointplot(x,y,kind="reg")

g = sns.jointplot(x,y,kind="kde")

g = sns.jointplot(x,y,kind="hex")

热力图

df = pd.DataFrame(np.random.rand(10,10),columns=list('abcdefghij'))
df

sns.heatmap(df)

• 可以改变颜色

sns.heatmap(df,cmap="Greens")

sns.heatmap(df,cmap="Greens",vmin=0,vmax=0.5)#设置最大值最小值

sns.heatmap(df,cmap="Greens",annot=True)

线性回归图

sns.regplot(x='total_bill',y = 'tip',data=tips)

分面网格线性回归图

sns.lmplot(x='total_bill',y = 'tip',hue='sex',data=tips,col='size',col_wrap=3)

分面网格绘制

g = sns.FacetGrid(mpg_df,col="origin")
g.map(sns.distplot,"mpg")

g = sns.FacetGrid(mpg_df,col="origin")
g.map(sns.kdeplot,"mpg")