Python数据可视化库seaborn的使用总结

seaborn是python中的一个非常强大的数据可视化库，它集成了matplotlib，下图为seaborn的官网，如果遇到疑惑的地方可以到官网查看。http://seaborn.pydata.org/

从官网的主页我们就可以看出，seaborn在数据可视化上真的非常强大。

1.首先我们还是需要先引入库，不过这次要用到的python库比较多。

import numpy as npimport pandas as pdimport matplotlib as mplimport matplotlib.pyplot as pltimport seaborn as sns

2.sns.set_style()：不传入参数用的就是seaborn默认的主题风格，里面的参数共有五种

我比较习惯用whitegrid。

3.下面说一下seaborn里面的调色板，我们可以用sns.color_palette()获取到这些颜色，然后用sns.palplot()将这些色块打印出来。color_palette()函数还可以传入一些参数

sns.palplot(sns.color_palette("hls",n))#显示出n个不同颜色的色块sns.palplot(sns.color_palette("Paired",2n))#显示出2n个不同颜色的色块，且这些颜色两两之间是相近的sns.palplot(sns.color_palette("color"))#由浅入深显示出同一颜色的色块sns.palplot(sns.color_palette("color_r"))##由深入浅显示出同一颜色的色块sns.palplot(sns.color_palette("cubehelix",n))#显示出n个颜色呈线性变化的色块sns.palplot(sns.cubehelix_palette(k,start=m,rot=n))#显示出k个start(0,3)为m，rot(-1,1)为n的呈线性变化的色块sns.palplot(sns.light_palette("color"))#将一种颜色由浅到深显示sns.palplot(sns.dark_palette("color"))#将一种颜色由深到浅显示sns.palplot(sns.dark_palette("color",reverse=bool))#reverse的值为False，则将一种颜色由深到浅显示；若为True，则将一种颜色由浅到深显示

4.sns.kdeplot(x,y,cmap=pal)：绘制核密度分布图。

5.sns.distplot(x,kde=bool,bins=n)：kde代表是否进行核密度估计，也就是是否绘制包络线，bins指定绘制的条形数目。