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，seaborn有五個預設好的主題： darkgrid , whitegrid , dark , white ,和 ticks 預設： darkgrid
import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style("whitegrid")
plt.plot(np.arange(10))
plt.show()
set( )通過設定引數可以用來設定背景，調色盤等，更加常用。
import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="white", palette="muted", color_codes=true) #set( )設定主題，調色盤更常用
plt.plot(np.arange(10))
plt.show()
distplot( )為hist加強版，kdeplot( )為密度曲線圖
import matplotlib.pyplot as plt
import seaborn as sns
df_iris = pd.read_csv('../input/iris.csv')
fig, axes = plt.subplots(1,2)
sns.distplot(df_iris['petal length'], ax = axes[0], kde = true, rug = true) # kde 密度曲線 rug 邊際毛毯
sns.kdeplot(df_iris['petal length'], ax = axes[1], shade=true) # shade 陰影
plt.show()
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
sns.set( palette="muted", color_codes=true)
rs = np.random.randomstate(10)
d = rs.normal(size=100)
f, axes = plt.subplots(2, 2, figsize=(7, 7), sharex=true)
sns.distplot(d, kde=false, color="b", ax=axes[0, 0])
sns.distplot(d, hist=false, rug=true, color="r", ax=axes[0, 1])
sns.distplot(d, hist=false, color="g", kde_kws=, ax=axes[1, 0])
sns.distplot(d, color="m", ax=axes[1, 1])
plt.show()
import matplotlib.pyplot as plt
import seaborn as sns
df_iris = pd.read_csv('../input/iris.csv')
sns.boxplot(x = df_iris['class'],y = df_iris['sepal width'])
plt.show()
import matplotlib.pyplot as plt
import seaborn as sns
tips = pd.read_csv('../input/tips.csv')
sns.set(style="ticks") #設定主題
sns.boxplot(x="day", y="total_bill", hue="***", data=tips, palette="prgn") #palette 調色盤
plt.show()
tips = pd.read_csv('../input/tips.csv') #右上角顯示相關係數
sns.jointplot("total_bill", "tip", tips)
plt.show()
tips = pd.read_csv('../input/tips.csv')
sns.jointplot("total_bill", "tip", tips, kind='reg')
plt.show()
import matplotlib.pyplot as plt
import seaborn as sns
data = pd.read_csv("../input/car_crashes.csv")
data = data.corr()
sns.heatmap(data)
plt.show()
import matplotlib.pyplot as plt
import seaborn as sns
data = pd.read_csv("../input/iris.csv")
sns.set() #使用預設配色
sns.pairplot(data,hue="class") #hue 選擇分類列
plt.show()
import seaborn as sns
import matplotlib.pyplot as plt
iris = pd.read_csv('../input/iris.csv')
sns.pairplot(iris, vars=["sepal width", "sepal length"],hue='class',palette="husl")
plt.show()
import seaborn as sns
import matplotlib.pyplot as plt
tips = pd.read_csv('../input/tips.csv')
g = sns.facetgrid(tips, col="time", row="smoker")
g = g.map(plt.hist, "total_bill", color="r")
plt.show()
**：
Python 資料視覺化
資料視覺化指的是通過視覺化表示來探索資料，它與資料探勘緊緊相關，而資料探勘指的是使用 來探索資料集的規律和關聯。資料集可以是用一行 就能表示的小型數字列表，也可以是數以吉位元組的資料。漂亮地呈現資料關乎的並非僅僅是漂亮的。以引人注目的簡潔方式呈現資料，讓人能夠明白其含義，發現資料集中原本未意識到的規...
資料視覺化 什麼是資料視覺化
資料對應的英文單詞是data，從資訊獲取的角度看，資料是對目標觀察和記錄的結果，是現實世界中的時間 地點 事件 其他物件或概念的描述。不同學者對資料的作用也給出不同的定義，大致分為以下3類 視覺化對應的兩個英文單詞 visualize和visualization。visualize是動詞，描述 生成...
Python資料視覺化總結
用python完成資料分析後，如何把結果呈現出來，比如畫乙個吸引人注意的圖表相當重要。當你探索乙個資料集，需要畫圖表，圖表看起來令人愉悅是件很高興的事。在給你的觀眾交流觀點，給領導匯報工作時，視覺化同樣重要，同時，也很有必要去讓圖表吸引注意力和印入腦海裡。在python中numpy，pandas，m...