seaborn其實是在matplotlib的基礎上進行了更高階的api封裝，從而使得作圖更加容易，在大多數情況下使用seaborn就能做出很具有吸引力的圖，而使用matplotlib就能製作具有更多特色的圖。應該把seaborn視為matplotlib的補充，而不是替代物。
安裝seaborn的方法
pip install seaborn原始資料展現（這是乙份家庭調查的資料，preglngth - 懷孕周長， birthord - 孕婦的第幾個孩子， birthwgt_lb1 - 嬰兒重量（單位：磅）， birthwgt_oz1 - 嬰兒重量（單位：盅司）， agepreg - 孕婦在分娩時的年齡）
import pandas as pd直方圖births = pd.read_csv('
births.csv
')
#可以看到與使用matplotlib作的直方圖最大的區別在於有一條密度曲線（kde），可以通過設定引數去掉這條預設的曲線對上表的prglngth列做乙個直方圖
import matplotlib.pyplot as plt
import seaborn as sns #
要注意的是一旦匯入了seaborn，matplotlib的預設作圖風格就會被覆蓋成seaborn的格式
%matplotlib inline #
為了在jupyter notebook裡作圖，需要用到這個命令
sns.distplot(births['
prglngth
'])sns.plt.show()
那麼pandas與seaborn之間有什麼區別呢？
其實兩者都是使用了matplotlib來作圖，但是有非常不同的設計差異
在只需要簡單地作圖時直接用pandas，但要想做出更加吸引人，更豐富的圖就可以使用seaborn
pandas的作圖函式並沒有太多的引數來調整圖形，所以你必須要深入了解matplotlib
seaborn的作圖函式中提供了大量的引數來調整圖形，所以並不需要太深入了解matplotlib
seaborn的api：
#對上圖進行更多的配置
sns.set_style('
dark
') #
該圖使用黑色為背景色
sns.distplot(births['
prglngth
'], kde=false) #
不顯示密度曲線
sns.axlabel('
birth number
', '
frequency
') #
設定x軸和y軸的座標含義
箱型圖
#以birthord作為x軸，agepreg作為y軸，做乙個箱型圖
多變數作圖
seaborn可以一次性兩兩組合多個變數做出多個對比圖，有n個變數，就會做出乙個n × n個格仔的圖，譬如有2個變數，就會產生4個格仔，每個格仔就是兩個變數之間的對比圖
var1 vs var1
var1 vs var2
var2 vs var1
var2 vs var2
相同的兩個變數之間（var1 vs var1 和 var2 vs var2）以直方圖展示，不同的變數則以散點圖展示（var1 vs var2 和var2 vs var1）
要注意的是資料中不能有nan（缺失的資料），否則會報錯
Python視覺化 Seaborn（三）
時間序列模型決定了 的準確性，良好的視覺化展示能為模型效果增益。seaborn因其高相容性和互動性，在時間序列資料視覺化設計中獨佔優勢。由美國國家 中心收集，記錄了全世界所有顯著 的地點和震級 自1965年報告的震級為5.5以上 的發生日期，時間，位置，深度，大小和 資料 import pandas...
Python資料視覺化 seaborn
seaborn其實是在matplotlib的基礎上進行了更高階的api封裝，從而使得作圖更加容易，在大多數情況下使用seaborn就能做出很具有吸引力的圖。這裡例項採用的資料集都是seaborn提供的幾個經典資料集，dataset檔案可見於github。set style 是用來設定主題的，seab...
python 資料視覺化 Seaborn
一 introduce seaborn是基於matplotlib的圖形視覺化python包，在matplotlib的基礎上進行了更高階的api封裝，從而使得作圖更加容易，在大多數情況下使用seaborn能做出很具有吸引力的圖，而使用matplotlib就能製作具有更多特色的圖。應該把seaborn視...