這篇文章主要介紹seaborn是什么，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！

10多年的湞江網(wǎng)站建設經(jīng)驗，針對設計、前端、開發(fā)、售后、文案、推廣等六對一服務，響應快，48小時及時工作處理。成都營銷網(wǎng)站建設的優(yōu)勢是能夠根據(jù)用戶設備顯示端的尺寸不同，自動調(diào)整湞江建站的顯示方式，使網(wǎng)站能夠適用不同顯示終端，在瀏覽器中調(diào)整網(wǎng)站的寬度，無論在任何一種瀏覽器上瀏覽網(wǎng)站，都能展現(xiàn)優(yōu)雅布局與設計，從而大程度地提升瀏覽體驗。創(chuàng)新互聯(lián)從事“湞江網(wǎng)站設計”,“湞江網(wǎng)站推廣”以來，每個客戶項目都認真落實執(zhí)行。

提到python畫圖，我們第一個想到的庫一定是matplotlib，但是隨著大家眼光的提高，matplotlib畫出的圖漸漸“失寵”了，今天就讓我們來了解一下建立在matplotlib上的繪圖庫——seaborn。

先來看一下對于seaborn的說明：

- 面向數(shù)據(jù)集的API，用于檢查多個變量之間的關系；

- 專門支持使用分類變量顯示觀察結(jié)果或匯總統(tǒng)計信息；

- 可視化單變量或雙變量分布以及在數(shù)據(jù)子集之間進行比較的選項；

- 不同種類因變量的線性回歸模型的自動估計和繪圖；

- 方便查看復雜數(shù)據(jù)集的整體結(jié)構；

- 用于構造多圖網(wǎng)格的高級抽象，可讓您輕松構建復雜的可視化；

- 帶有幾個內(nèi)置主題的 matplotlib圖形樣式的精確控制。

導入數(shù)據(jù)

在seaborn中含有許多的示例數(shù)據(jù)，我們選取其中一個較為簡單的數(shù)據(jù)集開始我們本文對seaborn的講解。

import seaborn as sns
# 加載數(shù)據(jù)集,sns加載的數(shù)據(jù)集是dataframe類型
flights_long = sns.load_dataset("flights")
flights_long.head()

得到的結(jié)果如下：

直方圖

接下來就讓我們先來畫一個簡單的直方圖吧：

# 直方圖（數(shù)值型）
# kde:用于控制密度曲線的有無(默認True)
sns.distplot(flights_long['passengers'], kde=True)

再來看一個更高端的統(tǒng)計直方圖：

# 統(tǒng)計直方圖
sns.countplot(flights_long['years'])

再來看一下顯示數(shù)據(jù)分布情況的圖形：

# 顯示數(shù)據(jù)的分布情況 rugplot
sns.rugplot(flights_long['passengers'])

散點圖

散點圖可以很好的展示出兩個特征的屬性值之間的關系，看一下繪制散點圖的代碼：

sns.stripplot(x='year', y='passengers', data=flights_long)

下面再來展示一種繪制散點圖的方法，與上面不同的是，該方法繪制出的圖中的點 不會重疊。

sns.swarmplot(x='year', y='passengers', data=flights_long)

以上是seaborn是什么的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對大家有幫助，更多相關知識，歡迎關注創(chuàng)新互聯(lián)行業(yè)資訊頻道！