常见方法
barplot方法 单独绘制条形图
catplot方法 可以条形图、散点图、盒图、小提亲图、等
countplot方法 统计数量
一、柱状图
python">seaborn.barplot(data=None, x=None, y=None, hue=None, color=None, palette=None)| 函数 | 描述 |
|---|---|
| data | 用于绘图的数据集。 |
| x | 用于绘制长格式数据的输入。 |
| y | 用于绘制长格式数据的输入。 |
| hue | 用于绘制长格式数据的输入。对原有的属性进行更加细致的分组 |
| color | 用于变量的不同级别的颜色。应该 可以是可以解释的 ，或者是 字典将色调级别映射到 matplotlib 颜色。 |
| palette | 用于绘制填充颜色的原始饱和度的比例。大 面片通常使用不饱和的颜色看起来更好，但如果您希望颜色与输入值完美匹配，请将其设置为。1 |
1.1、常规柱状图
python">import seaborn as sns
import pandas as pd
# 示例数据
tips=pd.read_csv('tips.csv')
# 单变量柱状图
sns.barplot(x="day", y="total_bill", data=tips)
# 显示图表
plt.show()
1.2、横向条形图
python">import seaborn as sns
import pandas as pd
# 示例数据
tips=pd.read_csv('tips.csv')
# 单变量柱状图
sns.barplot(x="total_bill", y="day", data=tips)
# 显示图表
plt.show()
1.3、分组条图
python">import seaborn as sns
import pandas as pd
# 示例数据
tips=pd.read_csv('tips.csv')
import seaborn as sns
# 分组柱状图
sns.barplot(x="day", y="total_bill", hue="sex", data=tips)
# 显示图表
plt.show()
1.4、设置颜色
python">import seaborn as sns
# 示例数据
tips=pd.read_csv('tips.csv')
# 设置颜色
sns.barplot(x="day", y="total_bill", data=tips,color='salmon')
sns.barplot(x="day", y="total_bill", hue="sex", data=tips,palette='dark:salmon')
# 显示图表
plt.show()
1.5、 统计数量
python">seaborn.countplot(data=None, *, x=None, y=None, hue=None, color=None, palette=None)| 函数 | 描述 |
|---|---|
| data | 用于绘图的数据集。 |
| x | 用于绘制长格式数据的输入。 |
| y | 用于绘制长格式数据的输入。 |
| hue | 用于绘制长格式数据的输入。对原有的属性进行更加细致的分组 |
| color | 用于变量的不同级别的颜色。应该 可以是可以解释的 ，或者是 字典将色调级别映射到 matplotlib 颜色。 |
| palette | 用于绘制填充颜色的原始饱和度的比例。大 面片通常使用不饱和的颜色看起来更好，但如果您希望颜色与输入值完美匹配，请将其设置为。1 |
python">import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd tips = pd.read_csv('tips.csv') # 通过按天数对数据进行分组并计数
# display(tips.groupby('day').count()) # 使用ountplot 方法绘制当天小费数量的条形图
sns.countplot(x="day", data=tips) # 显示绘制的图形
plt.show()
二、直方图
方法
-
histplot方法 绘制单变量或双变量直方图来显示数据集的分布
-
displot方法 绘制直方图、核密度图。可以比较多个变量分布情况
python">seaborn.histplot(data=None,x=None, y=None, hue=None, bins='auto',multiple='layer', element='bars', kde=False, palette=None,color=None)| 函数 | 描述 |
|---|---|
| data | 用于绘图的数据集。 |
| x | 用于绘制长格式数据的输入。 |
| y | 用于绘制长格式数据的输入。 |
| hue | 用于绘制长格式数据的输入。对原有的属性进行更加细致的分组 |
| color | 用于变量的不同级别的颜色。应该 可以是可以解释的 ，或者是 字典将色调级别映射到 matplotlib 颜色。 |
| palette | 用于绘制填充颜色的原始饱和度的比例。大 面片通常使用不饱和的颜色看起来更好，但如果您希望颜色与输入值完美匹配，请将其设置为。1 |
| bins | 通用 bin 参数，可以是引用规则的名称， 分箱数或分箱的分隔线。 |
| multiple | 语义映射创建子集时解析多个元素的方法。 仅与单变量数据相关。 {“layer”， “减淡”， “stack”， “fill”} |
| elment | 直方图统计量的可视化表示形式。 仅与单变量数据相关。 {“bars”， “step”， “poly”} |
python">seaborn.displot(data=None, *, x=None, y=None, hue=None, row=None, col=None, weights=None, kind='hist', rug=False, rug_kws=None, log_scale=None, legend=True, palette=None, hue_order=None, hue_norm=None, color=None, col_wrap=None, row_order=None, col_order=None, height=5, aspect=1, facet_kws=None, **kwargs)| row | 定义子集以在不同 facet 上绘制的变量。 |
| col | 定义子集以在不同 facet 上绘制的变量。 |
2.1、常规直方图
python">sns.histplot(tips['total_bill']) 
python">sns.displot(tips['total_bill'])2.2、核密度估计
核密度估计的作用是用来估计概率密度函数的，它可以用来描述随机变量的密度分布
python">sns.histplot(tips['total_bill'],kde=True)
sns.displot(tips['total_bill'], kde=True)
2.3、多变量直方图
python">multiple='layer' # 默认值，以层叠的形式展示
multiple='dodge' # 以并列的形式展示
multiple='stack' # 以堆叠的形式展示
multiple='fill' # 以百分比堆叠的形式展示python">sns.histplot(x='total_bill', hue='sex', data=tips) 
python">sns.histplot(x='total_bill', hue='sex', data=tips, multiple='stack') 
python">sns.histplot(x='total_bill', hue='sex', data=tips, multiple='dodge') 
python">sns.histplot(x='total_bill', hue='sex', data=tips, multiple='fill') 
2.4、修改一些参数
python">sns.histplot(x='total_bill', data=tips, bins=20, color='skyblue', edgecolor='black', linewidth=1.2)
sns.displot(x='total_bill', data=tips, bins=20, color='skyblue', edgecolor='black', linewidth=1.2)
2.5、 累积直方图
python">sns.histplot(x='total_bill', data=tips, element='step')
sns.displot(x='total_bill', data=tips, element='step',col='time')
三、折线图
方法
-
lineplot方法 单独绘制折线图
-
relplot方法 绘制折线图、散点图
python">seaborn.lineplot(data=None, x=None, y=None, hue=None)| 函数 | 描述 |
|---|---|
| data | 用于绘图的数据集。 |
| x | 用于绘制长格式数据的输入。 |
| y | 用于绘制长格式数据的输入。 |
| hue | 用于绘制长格式数据的输入。对原有的属性进行更加细致的分组 |
python">seaborn.relplot(data=None, *, x=None, y=None, hue=None, row=None, col=None kind='scatter')| 函数 | 描述 |
|---|---|
| data | 用于绘图的数据集。 |
| x | 用于绘制长格式数据的输入。 |
| y | 用于绘制长格式数据的输入。 |
| hue | 用于绘制长格式数据的输入。对原有的属性进行更加细致的分组 |
| row | 定义子集以在不同 facet 上绘制的变量。 |
| col | 定义子集以在不同 facet 上绘制的变量。 |
| kind | 要绘制的情节类型，对应于 seaborn 关系情节。 选项包括 或 。"scatter""line" |
python">sns.lineplot(x=[1,2,3,4,5],y=[1,2,3,4,5])
sns.relplot(x=[1,2,3,4,5],y=[1,2,3,4,5],kind='line')
python">import seaborn as sns
# 示例数据
tips = pd.read_csv('tips.csv') sns.lineplot(x="day", y="total_bill", data=tips)
sns.relplot(x="day", y="total_bill", data=tips, kind='line')# 多变量折线图
sns.lineplot(x="day", y="total_bill", data=tips,hue='time')
sns.relplot(x="day", y="total_bill", data=tips,hue='time',kind='line')# 使用relplot绘制折线图
sns.relplot(x="day", y="total_bill", data=tips,kind='line',# 图像类型hue='sex',# 分类变量col='time') # 分图变量
四、散点图
方法
-
scatterplot方法 主要用于绘制两个数值变量之间的散点图
-
relplot方法 可以绘制多种类型的关系图，包括散点图
python">seaborn.scatterplot(data=None, x=None, y=None, hue=None)| 函数 | 描述 |
|---|---|
| data | 用于绘图的数据集。 |
| x | 用于绘制长格式数据的输入。 |
| y | 用于绘制长格式数据的输入。 |
| hue | 用于绘制长格式数据的输入。对原有的属性进行更加细致的分组 |
python">seaborn.relplot(data=None, *, x=None, y=None, hue=None, row=None, col=None kind='scatter')| 函数 | 描述 |
|---|---|
| data | 用于绘图的数据集。 |
| x | 用于绘制长格式数据的输入。 |
| y | 用于绘制长格式数据的输入。 |
| hue | 用于绘制长格式数据的输入。对原有的属性进行更加细致的分组 |
| row | 定义子集以在不同 facet 上绘制的变量。 |
| col | 定义子集以在不同 facet 上绘制的变量。 |
| kind | 要绘制的情节类型，对应于 seaborn 关系情节。 选项包括 或 。"scatter""line" |
python">import seaborn as sns# 加载数据
tips=pd.read_csv('tips.csv')
# 常规散点图
sns.scatterplot(data=tips,x='total_bill', y='tip')
sns.relplot( data=tips, x='total_bill', y='tip',kind='scatter')
# 多组散点图
sns.scatterplot(data=tips,x='total_bill', y='tip', hue='smoker')
sns.relplot(data=tips,x='total_bill', y='tip', hue='smoker')
# 多变量散点图
sns.relplot(data=tips,x='total_bill', y='tip', hue='smoker',col='time')
五、分散散点图
方法
-
stripplot方法 利用抖动功能绘制分类散点图，以减少过度绘图
-
swarmplot方法 绘制分类散点图，并将点调整为不重叠
-
catplot方法 可以绘制以上2种图，并且可以分图
python">seaborn.stripplot(data=None, *, x=None, y=None, hue=None,dodge=False)| 函数 | 描述 |
|---|---|
| data | 用于绘图的数据集。 |
| x | 用于绘制长格式数据的输入。 |
| y | 用于绘制长格式数据的输入。 |
| hue | 用于绘制长格式数据的输入。对原有的属性进行更加细致的分组 |
| dodge | 当一个变量被赋值时，将其设置为 will 沿分类分隔不同色相级别的条带 轴并缩小分配给每个条带的空间量。否则 每个级别的点将绘制在同一条带中。 |
python">seaborn.swarmplot(data=None, *, x=None, y=None, hue=None,dodge=False)| 函数 | 描述 |
|---|---|
| data | 用于绘图的数据集。 |
| x | 用于绘制长格式数据的输入。 |
| y | 用于绘制长格式数据的输入。 |
| hue | 用于绘制长格式数据的输入。对原有的属性进行更加细致的分组 |
| dodge | 当一个变量被赋值时，将其设置为 will 沿分类分隔不同色相级别的条带 轴并缩小分配给每个条带的空间量。否则 每个级别的点将绘制在同一条带中。 |
python">seaborn.catplot(data=None, *, x=None, y=None, hue=None, row=None, col=None, kind='strip')| 函数 | 描述 |
|---|---|
| data | 用于绘图的数据集。 |
| x | 用于绘制长格式数据的输入。 |
| y | 用于绘制长格式数据的输入。 |
| hue | 用于绘制长格式数据的输入。对原有的属性进行更加细致的分组 |
| row | 定义子集以在不同 facet 上绘制的变量。 |
| col | 定义子集以在不同 facet 上绘制的变量。 |
| kind | 要绘制的绘图类型对应于分类的名称 轴级绘图功能。选项有： “strip”， “swarm”， “box”， “violin”， “boxen”、“point”、“bar” 或 “count”。 |
python">import seaborn as sns
import pandas as pdtips=pd.read_csv('tips.csv')sns.catplot(y="total_bill", x="day", data=tips,hue='sex',dodge=True,marker="D",col='smoker')
python">sns.swarmplot(y="total_bill", x="day", data=tips,hue='sex',marker="v") 
python">sns.catplot(y="total_bill", x="day", data=tips,hue='sex',marker="v",col='smoker',kind='swarm')
六、盒图
方法
-
boxplot方法
-
catplot方法
python">seaborn.boxplot(data=None, *, x=None, y=None, hue=None,fill=True,width=0.8, gap=0,notch=False)| 函数 | 描述 |
|---|---|
| data | 用于绘图的数据集。 |
| x | 用于绘制长格式数据的输入。 |
| y | 用于绘制长格式数据的输入。 |
| hue | 用于绘制长格式数据的输入。对原有的属性进行更加细致的分组 |
| fill | 定义子集以在不同 facet 上绘制的变量。 |
| gap | 箱体间隔 |
| width | 箱体宽度 |
| notch | 箱体是否缺口 |
python">seaborn.catplot(data=None, *, x=None, y=None, hue=None, row=None, col=None, kind='strip')| 函数 | 描述 |
|---|---|
| data | 用于绘图的数据集。 |
| x | 用于绘制长格式数据的输入。 |
| y | 用于绘制长格式数据的输入。 |
| hue | 用于绘制长格式数据的输入。对原有的属性进行更加细致的分组 |
| row | 定义子集以在不同 facet 上绘制的变量。 |
| col | 定义子集以在不同 facet 上绘制的变量。 |
| kind | 要绘制的绘图类型对应于分类的名称 轴级绘图功能。选项有： “strip”， “swarm”， “box”， “violin”， “boxen”、“point”、“bar” 或 “count”。 |
python">import seaborn as sns
import pandas as pdtips = pd.read_csv('tips.csv')sns.boxplot(x="day", y="total_bill", data=tips,hue="smoker",fill=False, # 填充箱体,默认为Truegap=0.1, # 箱体间隔width=0.5, # 箱体宽度notch=True # 箱体是否缺口)
python">sns.catplot(x="day", y="total_bill", data=tips,kind="box",col="sex")
