Seaborn

本页PDF

导包

import seaborn as sns

数据集

seaborn内置了多个数据集，可以用sns.load_dataset()来读取

• sns.load_dataset(name, cache=True, data_home=None, **kwargs)
  • name: 数据集的名称，字符串类型。例如，可以是 'tips'、'iris'、'flights' 等。
  • cache: 布尔值，指定是否将下载的数据集缓存到本地（默认值为 True）。
  • data_home: 数据集缓存的位置，默认为 ~/.seaborn-data。
  • **kwargs: 其他参数，可选，用于传递给数据加载函数。

import seaborn as sns
## 加载名为car_crashes的数据集
data = sns.load_dataset('car_crashes')

分布图

• sns.displot(data=None, x=None, y=None, kind='hist', ...):绘制分布图
  • data: 输入数据，可以是 DataFrame、数组或列表。
  • x: 需要绘制分布的变量名（x 轴）。
  • y: 选择的变量名（可选），用于绘制散点图等。
  • kind: 指定绘制的图形类型，'hist'（默认）绘制直方图，'kde' 绘制核密度估计图。

## 绘制分布图
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

## 生成随机数据
np.random.seed(0)
data = np.random.randn(1000)

## 使用 displot 绘制分布图
sns.displot(data, kde=True)  # kde=True 添加核密度估计

## 设置标题
plt.title('Distribution of Random Data')

## 显示图形
plt.show()

联合图

• sns.jointplot(x, y, data, kind)

  • x:

    • 类型：str

    • 描述：要在 x 轴上绘制的变量的名称。

  • y:

    • 类型：str

    • 描述：要在 y 轴上绘制的变量的名称。

  • data:

    • 类型：DataFrame

    • 描述：要使用的数据集，通常是 Pandas 的 DataFrame。

  • kind:

    • 类型：str

    • 描述：指定要绘制的图的类型。可选值包括：

      • 'scatter'：散点图。
      • 'kde'：核密度估计图。
      • 'hist'：直方图。
      • 'hex'：六边形热图。

import seaborn as sns
import matplotlib.pyplot as plt

## 加载示例数据集
tips = sns.load_dataset("tips")

## 创建 jointplot
sns.jointplot(x='total_bill', y='tip', data=tips, kind='scatter')

## 显示图形
plt.show()

核密度图

生成概率密度图，平滑曲线

• sns.kdeplot(x,y,)

  • data:

    • 类型：array-like 或 DataFrame
    • 描述：用于计算核密度估计的输入数据。

  • x:

    • 类型：str 或 array-like
    • 描述：要绘制的变量名称。如果提供 data，则此参数应为变量的名称。

  • bw_adjust:

    • 类型：float
      • 描述：用于控制核密度估计的带宽的调整因子。带宽越大，曲线越平滑；带宽越小，曲线越细致。默认值为 1

  • fill:

    • 类型：bool
      • 描述：是否填充 KDE 曲线下方的区域，默认值为 False

  • color:

    • 类型：str

    • 描述：指定绘图的颜色。

  • alpha:

    • 类型：float

    • 描述：填充区域的透明度，取值范围为 0 到 1，默认值为 1。

  • ax:

    • 类型：matplotlib.axes.Axes
    • 描述：可选参数，指定在哪个坐标轴上绘制图形。

  • legend:

    • 类型：bool

    • 描述：是否显示图例，默认值为 True。

import seaborn as sns
import matplotlib.pyplot as plt

## 加载示例数据集
tips = sns.load_dataset("tips")

## 绘制总账单的核密度估计图
sns.kdeplot(data=tips['total_bill'], fill=True, color='blue', bw_adjust=0.5)

## 添加标题
plt.title('Kernel Density Estimate of Total Bill')

## 显示图形
plt.show()