接之前的第二篇，在绘图之前我们先导入需要的包做好准备工作。
import seaborn
as sns
import matplotlib
.pyplot
as plt
%matplotlib inline
import numpy
as np
import pandas
as pd
plt
.rcParams
['font.sans-serif']=['SimHei']
plt
.rcParams
['axes.unicode_minus'] = False
sns
.set_style
=('darkgrid',{'font.sans-serif':['SimHei','Arial']})
import warnings
warnings
.filterwarnings
('ignore')
准备工作做好我们就开始绘图吧。
线图（seaborn.lineplot）
lineplot(x=None, y=None, hue=None, size=None, style=None,
data=None, palette=None, hue_order=None, hue_norm=None,
sizes=None, size_order=None, size_norm=None, dashes=True,
markers=None,style_order=None, units=None, estimator='mean',
ci=95, n_boot=1000, sort=True, err_style='band', err_kws=None,
legend='brief', ax=None, **kwargs)
x，y，hue
data：数据集。
style：绘图的风格。
size：绘图的大小。
palette：调色板。
markers：绘图的形状。
ci：允许的误差范围（空值误差的百分比，0-100之间），可为‘sd’，则采用标准差（默认95）。
dashes：是否绘制破折号。
n_boot（int）：计算置信区间要使用的迭代次数。
alpha：透明度。
x_jitter，y_jitter：设置点的抖动程度。
data
={
'apples':[3,2,0,1],
'oranges':[0,1,2,4],
'bananas':[1,2,1,0]
}
df
=pd
.DataFrame
(data
,index
=['June','Bob','Lily','Robert'])
sns
.lineplot
(data
=df
)
分面网格关联图
mpg_df
= sns
.load_dataset
("mpg",data_home
='C:\\seaborn-data')
g
= sns
.relplot
(x
= "displacement",
y
= "mpg",col
= "cylinders",
data
= mpg_df
,
col_wrap
= 3)
密度图（kde图）
seaborn.kdeplot(data,data2=None,shade=False)
data：第一个变量数据，也可以是Series、一维数组或列表。
data2：第二个变量数据，与data相同。
shade：是否绘制阴影效果。
sns
.kdeplot
(tips
['total_bill'],shade
=True)
sns
.kdeplot
(tips
['total_bill'],bw
=0.5,label
='bw:0.5')
sns
.kdeplot
(tips
['total_bill'],bw
=6,label
='bw:6')
n
= 1024
x
= np
.random
.normal
(0,1,n
)
y
= np
.random
.normal
(0,1,n
)
g
= sns
.kdeplot
(x
,y
,shade
=True)
连接图（seaborn.jointplot）
jointplot(x, y, data=None, kind='scatter', stat_func=None,
color=None, height=6, ratio=5, space=0.2, dropna=True,
xlim=None, ylim=None, joint_kws=None, marginal_kws=None,
annot_kws=None, **kwargs)
x, y : strings or vectors
Data or names of variables in ``data``.
data : DataFrame, optional
DataFrame when ``x`` and ``y`` are variable names.
#与上一段中的说明相对应，代表数据框，默认为None
kind : { "scatter" | "reg" | "resid" | "kde" | "hex" }, optional
Kind of plot to draw.
#用于控制展示成对变量相关情况的主图中的样式
stat_func : callable or None, optional
*Deprecated*
#用于计算统计量关系的函数
color : matplotlib color, optional
Color used for the plot elements.
#控制图像中对象的色彩
height : numeric, optional
Size of the figure (it will be square).
#控制图像为正方形时的边长
ratio : numeric, optional
Ratio of joint axes height to marginal axes height.
#调节联合图与边缘图的相对比例，越大则边缘图越矮，默认为5
space : numeric, optional
Space between the joint and marginal axes.
#右图像距离中间图像的距离
dropna : bool, optional
If True, remove observations that are missing from ``x`` and ``y``.
#是否去除x,y的缺失值
{x, y}lim : two-tuples, optional
Axis limits to set before plotting.
#设置x轴与y轴显示范围
n
= 1024
x
= np
.random
.normal
(0,1,n
)
y
= np
.random
.normal
(0,1,n
)
g
= sns
.jointplot
(x
,y
,kind
="hex")
热力图（seaborn.heatplot）
是以矩阵形式表示数据的一种方式，数据值在途中表示为颜色。
seaborn.heatplot(data,vmin=None,vmax=None,cmap=None,annot=None)
data：二维数据集。
vmin和vmax：图例中最大值和最小值的显示值。
cmap：设置颜色面板。
annot：设置热力图注解，如果True则在单元格中显示数据。
df
=pd
.DataFrame
(np
.random
.rand
(10,10),columns
=list('abcdefghij'))
sns
.heatmap
(df
,vmin
=0,vmax
=0.5,cmap
='Blues',annot
=True)
dist图(seaborn.distplot)
单变量的直方图与密度图的结合体
distplot(
a, bins=None, hist=True, kde=True, rug=False, fit=None,
hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None,
color=None, vertical=False, norm_hist=False, axlabel=None, label=None, ax=None)
a：单变量数据，他可以是Series、一维数组或列表。
bins：直方图中柱体的个数。
hist：是否绘制直方图。
kde：是否绘制密度图。
rug：bool型变量，控制是否绘制对应rugplot的部分，默认为False。
fit：传入scipy.stats中的分布类型，用于在观察变量上抽取相关统计特征来强行拟合指定的分布，下文的例子中会有具体说明，默认为None，即不进行拟合。
hist_kws,kde_kws,rug_kws：这几个变量都接受字典形式的输入，键值对分别对应各自原生函数中的参数名称与参数值。
color：用于控制除了fit部分拟合出的曲线之外的所有对象的色彩。
vertical：bool型，控制是否颠倒x-y轴，默认为False，即不颠倒。
norm_hist：bool型变量，用于控制直方图高度代表的意义，为True直方图高度表示对应的密度，为False时代表的是对应的直方区间内记录值个数，默认为False。
label：控制图像中的图例标签显示内容 。
tips
= sns
.load_dataset
("tips",data_home
='C:\\seaborn-data')
sns
.distplot
(tips
['total_bill'])
线性回归图
regplot(
x, y, data=None, x_estimator=None,
x_bins=None, x_ci='ci', scatter=True,
fit_reg=True, ci=95, n_boot=1000,
units=None, order=1, logistic=False,
lowess=False, robust=False, logx=False,
x_partial=None, y_partial=None, truncate=False,
dropna=True, x_jitter=None, y_jitter=None,
label=None, color=None, marker='o', scatter_kws=None,
line_kws=None, ax=None)
具体值的介绍可以参考此网址：https://www.cnblogs.com/nadech/p/8496593.html
df
= sns
.load_dataset
("tips",data_home
='C:\\seaborn-data')
sns
.regplot
(x
='total_bill',y
='tip',data
=df
)
lmplot
lmplot的参数与regplot的参数几乎一致，可以参考上面网址。
df
= sns
.load_dataset
("tips",data_home
='C:\\seaborn-data')
sns
.lmplot
(x
='total_bill',y
='tip',data
=df
)
seaborn的各种图的介绍就结束了，具体的了解和学习可以参考官网，如有错误之处还望指出。
