我用Python的Seaborn库绘制17个超好看图表
点击上方“ Python爬虫与数据挖掘 ”，进行关注 回复“书籍”即可获赠Python从入门到进阶共10本电子书 今 日 鸡 汤 风朝露夜阴晴里，万户千门开闭时。 Seaborn简介 定义 Seaborn是一个基于matplotlib且数据结构与pandas统一的统计图制作库。Seaborn框架旨在以数据可视化为中心来挖掘与理解数据。 优点 代码较少 图形美观 功能齐全 主流模块安装 pip命令安装 pip install matplotlibpip install seaborn 从github安装 pip install git+https://github.com/mwaskom/seaborn.git 流程 导入绘图模块 mport matplotlib.pyplot as pltimport seaborn as sns 提供显示条件 %matplotlib inline #在Jupyter中正常显示图形 导入数据 #Seaborn内置数据集导入dataset = sns.load_dataset('dataset')#外置数据集导入（以csv格式为例）dataset = pd.read_csv('dataset.csv') 设置画布 #设置一块大小为(12,6)的画布plt.figure(figsize=(12, 6)) 输出图形 #整体图形背景样式，共5种:"white", "dark", "whitegrid", "darkgrid", "ticks"sns.set_style('white')#以条形图为例输出图形sns.barplot(x=x,y=y,data=dataset,...)'''barplot()括号里的是需要设置的具体参数，涉及到数据、颜色、坐标轴、以及具体图形的一些控制变量，基本的一些参数包括'x'、'y'、'data'，分别表示x轴，y轴，以及选择的数据集。''' 保存图形 #将画布保存为png、jpg、svg等格式图片plt.savefig('jg.png') 实战 #数据准备df = pd.read_csv('./cook.csv') #读取数据集(「菜J学Python」公众号后台回复cook获取)df['难度'] = df['用料数'].apply(lambda x:'简单' if x<5 else('一般' if x<15 else '较难')) #增加难度字段df = df[['菜谱','用料','用料数','难度','菜系','评分','用户']] #选择需要的列df.sample(5) #查看数据集的随机5行数据 #导入相关包import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport matplotlib as mplimport seaborn as sns%matplotlib inlineplt.rcParams['font.sans-serif'] = ['SimHei'] # 设置加载的字体名plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题sns.set_style('white') #设置图形背景样式为white 直方图 #语法'''seaborn.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)'''#distplot()输出直方图，默认拟合出密度曲线plt.figure(figsize=(10, 6)) #设置画布大小rate = df['评分']sns.distplot(rate,color="salmon",bins=20) #参数color样式为salmon，bins参数设定数据片段的数量 #kde参数设为False,可去掉拟合的密度曲线plt.figure(figsize=(10, 6))sns.distplot(rate,kde=False,color="salmon",bins=20) #设置rug参数，可添加观测数值的边际毛毯fig,axes=plt.subplots(1,2,figsize=(10,6)) #为方便对比，创建一个1行2列的画布,figsize设置画布大小sns.distplot(rate,color="salmon",bins=10,ax=axes[0]) #axes[0]表示第一张图(左图)sns.distplot(rate,color="green",bins=10,rug=True,ax=axes[1]) #axes[1]表示第一张图(右图) #多个参数可通过字典传递fig,axes=plt.subplots(1,2,figsize=(10,6))sns.distplot(rate,color="salmon",bins=20,rug=True,ax=axes[0])sns.distplot(rate,rug=True, hist_kws={'color':'g','label':'直方图'}, kde_kws={'color':'b','label':'密度曲线'}, bins=20, ax=axes[1]) 散点图 常规散点图:scatterplot #语法'''seaborn.scatterplot(x=None, y=None, hue=None, style=None, size=None,data=None, palette=None, hue_order=None, hue_norm=None, sizes=None,size_order=None, size_norm=None, markers=True, style_order=None, x_bins=None,y_bins=None, units=None, estimator=None, ci=95, n_boot=1000, alpha='auto',x_jitter=None, y_jitter=None, legend='brief', ax=None, **kwargs)'''fig,axes=plt.subplots(1,2,figsize=(10,6))#hue参数，对数据进行细分sns.scatterplot(x="用料数", y="评分",hue="难度",data=df,ax=axes[0])#style参数通过不同的颜色和标记显示分组变量sns.scatterplot(x="用料数", y="评分",hue="难度",style='难度',data=df,ax=axes[1]) 分簇散点图:stripplot #语法'''seaborn.stripplot(x=None, y=None, hue=None, data=None, order=None,hue_order=None, jitter=True, dodge=False, orient=None, color=None,palette=None, size=5, edgecolor='gray', linewidth=0, ax=None, **kwargs)'''#设置jitter参数控制抖动的大小plt.figure(figsize=(10, 6))sns.stripplot(x="菜系", y="评分",hue="难度",jitter=1,data=df) 分类散点图:swarmplot #绘制分类散点图(带分布属性)#语法'''seaborn.swarmplot(x=None, y=None, hue=None, data=None, order=None,hue_order=None, dodge=False, orient=None, color=None, palette=None,size=5, edgecolor='gray', linewidth=0, ax=None, **kwargs)'''plt.figure(figsize=(10, 6))sns.swarmplot(x="菜系", y="评分",hue="难度",data=df) 条形图 常规条形图:barplot #语法'''seaborn.barplot(x=None, y=None, hue=None, data=None, order=None,hue_order=None,ci=95, n_boot=1000, units=None, orient=None, color=None,palette=None, saturation=0.75, errcolor='.26', errwidth=None, capsize=None,ax=None, estimator=<function mean>，**kwargs)'''#barplot()默认展示的是某种变量分布的平均值（可通过修改estimator参数为max、min、median等）# from numpy import medianfig,axes=plt.subplots(1,2,figsize=(10,6))sns.barplot(x='菜系',y='评分',color="r",data=df,ax=axes[0])sns.barplot(x='菜系',y='评分',color="salmon",data=df,estimator=min,ax=axes[1]) fig,axes=plt.subplots(1,2,figsize=(10,6))#设置hue参数，对x轴的数据进行细分sns.barplot(x='菜系',y='评分',color="salmon",hue='难度',data=df,ax=axes[0])#调换x和y的顺序，可将纵向条形图转为水平条形图sns.barplot(x='评分',y='菜系',color="salmon",hue='难度',data=df,ax=axes[1]) 计数条形图:countplot #语法'''seaborn.countplot(x=None, y=None, hue=None, data=None, order=None,hue_order=None, orient=None, color=None, palette=None, saturation=0.75, dodge=True, ax=None, **kwargs)'''fig,axes=plt.subplots(1,2,figsize=(10,6))#选定某个字段，countplot()会自动统计该字段下各类别的数目sns.countplot(x='菜系',color="salmon",data=df,ax=axes[0])#同样可以加入hue参数sns.countplot(x='菜系',color="salmon",hue='难度',data=df,ax=axes[1]) 折线图 #语法'''seaborn.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)'''fig,axes=plt.subplots(1,2,figsize=(10,6))#默认折线图有聚合sns.lineplot(x="用料数", y="评分", hue="菜系",data=df,ax=axes[0])#estimator参数设置为None可取消聚合sns.lineplot(x="用料数", y="评分", hue="菜系",estimator=None,data=df,ax=axes[1]) 箱图 箱线图:boxplot #语法'''seaborn.boxplot(x=None, y=None, hue=None, data=None, order=None,hue_order=None, orient=None, color=None, palette=None, saturation=0.75,width=0.8, dodge=True, fliersize=5, linewidth=None, whis=1.5, notch=False, ax=None, **kwargs)'''fig,axes=plt.subplots(1,2,figsize=(10,6))sns.boxplot(x='菜系',y='评分',hue='难度',data=df,ax=axes[0])#调节order和hue_order参数，可以控制x轴展示的顺序,linewidth调节线宽sns.boxplot(x='菜系',y='评分',hue='难度',data=df,color="salmon",linewidth=1, order=['清真菜','粤菜','东北菜','鲁菜','浙菜','湖北菜','川菜'], hue_order=['简单','一般','较难'],ax=axes[1]) 箱型图:boxenplot #语法'''seaborn.boxenplot(x=None, y=None, hue=None, data=None, order=None,hue_order=None, orient=None, color=None, palette=None, saturation=0.75,width=0.8, dodge=True, k_depth='proportion', linewidth=None, scale='exponential',outlier_prop=None, ax=None, **kwargs)'''fig,axes=plt.subplots(1,2,figsize=(10,6))sns.boxenplot(x='菜系',y='评分',hue='难度',data=df,color="salmon",ax=axes[0])#palette参数可设置调色板sns.boxenplot(x='菜系',y='评分',hue='难度',data=df, palette="Set2",ax=axes[1]) 小提琴图 #语法'''seaborn.violinplot(x=None, y=None, hue=None, data=None, order=None,hue_order=None, bw='scott', cut=2, scale='area', scale_hue=True,gridsize=100, width=0.8, inner='box', split=False, dodge=True, orient=None,linewidth=None, color=None, palette=None, saturation=0.75, ax=None, **kwargs)'''fig,axes=plt.subplots(1,2,figsize=(10,6))sns.violinplot(x='菜系',y='评分',data=df, color="salmon",linewidth=1,ax=axes[0])#inner参数可在小提琴内部添加图形,palette设置颜色渐变sns.violinplot(x='菜系',y='评分',data=df,palette=sns.color_palette('Greens'),inner='stick',ax=axes[1]) 回归图 regplot '''seaborn.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)'''fig,axes=plt.subplots(1,2,figsize=(10,6))#marker参数可设置数据点的形状sns.regplot(x='用料数',y='评分',data=df,color='r',marker='+',ax=axes[0])#ci参数设置为None可去除直线附近阴影(置信区间)sns.regplot(x='用料数',y='评分',data=df,ci=None,color='g',marker='*',ax=axes[1]) lmplot #语法'''seaborn.lmplot(x, y, data, hue=None, col=None, row=None, palette=None, col_wrap=None, height=5, aspect=1, markers='o', sharex=True, sharey=True, hue_order=None, col_order=None, row_order=None, legend=True, legend_out=True, 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, x_jitter=None, y_jitter=None, scatter_kws=None, line_kws=None, size=None)'''#lmplot()可以设置hue,进行多个类别的显示,而regplot()是不支持的sns.lmplot(x='用料数',y='评分',hue='难度',data=df, palette=sns.color_palette('Reds'),ci=None,markers=['*','o','+']) 热力图 #语法'''seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, center=None, robust=False, annot=None, fmt='.2g', annot_kws=None, linewidths=0, linecolor='white', cbar=True, cbar_kws=None, cbar_ax=None, square=False, xticklabels='auto', yticklabels='auto', mask=None, ax=None, **kwargs)'''fig,axes=plt.subplots(1,2,figsize=(10,6))h=pd.pivot_table(df,index=['菜系'],columns=['难度'],values=['评分'],aggfunc=np.mean)sns.heatmap(h,ax=axes[0])#annot参数设置为True可显示数字,cmap参数可设置热力图调色板cmap = sns.diverging_palette(200,20,sep=20,as_cmap=True)sns.heatmap(h,annot=True,cmap=cmap,ax=axes[1])#保存图形plt.savefig('jg.png') 欢迎关注菜J学Python，专注用Python爬虫、数据分析和可视化。我们坚持认真写Python基础，有趣写Python实战。 -------------------End------------------- 往期精彩文章推荐： 手把手用Python教你如何发现隐藏wifi 手把手教你用Python做个可视化的“剪刀石头布”小游戏 Python基础语法——代码规范&判断语句&循环语句 欢迎大家点赞，留言，转发，转载，感谢大家的相伴与支持 想加入Python学习群请在后台回复【入群】 万水千山总是情，点个【在看】行不行 /今日留言主题/ 随便说一两句吧~~ 本文分享自微信公众号 - Python爬虫与数据挖掘（crawler_python）。如有侵权，请联系 support@oschina.cn 删除。本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
