数据科学 ： seaborn 入门

seaborn是基于matplotlib开发的可视化库，比matplotlib更加容易使用，而且图例的风格更加现代化。今天介绍一下它，讲解的形式还是代码加图，希望各位能认真看。

%matplotlib inline    我是使用的jupter notebook 所以加这个
import numpy as np  
import matplotlib.pyplot as plt             国际惯例 缩写
import seaborn as sns
import pandas as pd
sns.set()

seaborn.displot() 用于绘制单变量分布情况

x = np.random.normal(size=100)
sns.distplot(x)

非常简洁的代码就可以得到下面的图 直方图+核密度估计
如何你不想看到直方图 只要把代码改成 sns.distplot(x，hist=False)，还有很多功能可以查看displot函数说明。

displot0

seaborn.jointmtplot() 用于绘制二元分布情况

mean, cov = [0, 1], [(1, .5), (.5, 1)]
data = np.random.multivariate_normal(mean, cov, 200)
df = pd.DataFrame(data, columns=["x", "y"])
sns.jointplot(x="x", y="y", data=df)

scatter

可以通过kind设置 “scatter” , “reg” , “resid” , “kde” ,“hex” 例如"hex"

sns.jointplot(x='x', y='y',data=df, kind="hex")

hex

seaborn.piarplot() 用于绘制数据集中特征两两之间关系

iris = sns.load_dataset("iris")
sns.pairplot(iris, hue='species', size=3)

绘制的是iris鸢尾花卉数据集的特征两两之间的关系，4个特征，三种花。图如下：

iris

seaborn 还有很多的有意思的函数，能绘制很漂亮的图，大家可以查看官网的教程http://seaborn.pydata.org/tutorial.html，当然凡事有利有弊，简洁的代码带来的就是缺少灵活性，所以希望大家灵活运用多种可视化工具，完成符你要求的图案。