数据可视化之Seaborn（2）

本篇博文介绍Seaborn库的各类绘制图表。

绘制图表分类：

分类图：柱状图barplot、箱线图boxplot、小提琴图violinplot、散点图（stripplot、swarmplot）、分面网格分类图catplot关联图：散点图scatterplot、线图lineplot、分面网格（FaceGrid）关联图relplot 分布图：单变量分布图distplot、密度图kdeplot矩阵图：热力图heatplot、聚类图clustermap回归图：线性回归图regplot、分面网格线性回归图lmplot分面网格图：FaceGrid

---

一、分类图

1.柱状图——barplot

barplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, estimator=<function mean at 0x000001F8666848C8>, ci=95, n_boot=1000, units=None, orient=None, color=None, palette=None, saturation=0.75, errcolor=’.26’, errwidth=None, capsize=None, dodge=True, ax=None, **kwargs) 参数： x, y, hue : 变量或者数据中的变量名。 data : DataFrame，数组或数组列表。 order, hue_order :为字符串列表，设置分类的种类，不写则默认为从数据对象中推断级别。 orient : “v” | “h”, 表示绘图的方向是垂直还是水平。 color : matplotlib color,指所有元素的颜色 palette :调色板颜色，将用于不同层次的hue变量 saturation : 饱和度 errcolor : 代表置信区间的线的颜色 errwidth :误差线的粗细

---

例一： 💛增加order参数：修改x轴变量的排序顺序 💛orient参数：表示绘图的方向是垂直还是水平。横 “v” | 纵 “h”。 例二： 黑色线是误差线。每一个柱子的最大值是一组数据的平均数。 💛增加hue变量：为除了x、y之外的第三个变量。 💛参数errwidth可用于设置误差棒的粗细。

2.箱线图——boxplot

默认为横向放置；若要纵向放置可以使用代码sns.boxplot(y=L)。 会自动将L中的数据按小到大排序L=[0,1,2,3,4]，箱子中的的线代表中位数2。 默认显示图例。

3.小提琴图——violinplot

小提琴图是箱线图和密度图的结合。中间的线与箱线图类似。外边缘线代表密度线。 当有hue参数存在时 增加split参数，当split=True时，表示将hue中的变量情况，表现在同一个图形上。

4.散点图——Stripplot（带状）图和Swarmplot（蜂群状）图

Stripplot（带状）图： Swarmplot（蜂群状）图： 分类图可以组合使用，将多种图交叠显示

5.分面网格中绘制分类图——catplot（图级函数）

分面网格（FaceGrid）是一个大图，有x轴和y轴，在这个大图中可以绘制多个子图。在分面网格中绘制分类图用图级函数catplot。barplot、boxplot、violinplot等都是轴级函数。 catplot具有如下参数： kind：绘制子图类型。kind=strip/swarm/bar/box/violin。其中strip是默认值。 row：在x轴上绘制的数据。 col：在y轴上绘制的数据。 col_wrap：在x轴上绘制子图的最大个数。

二、关联图

1.关联散点图——scatterplot