seaborn: Python-Datenvisualisierungsbibliothek. High-Level-API. Wunderschönen.
Verwenden Sie "Seaborn", wenn es von "Seaborn" zubereitet wird. Wenn nicht, zeichnen Sie mit matplotlib
.
Auch wenn Sie mit matplotlib
zeichnen, ist es besser , seaborn
für den Stil zu verwenden (es wird nur durch Importieren festgelegt)
Ich benutze oft Standard oder "Weiß" für Stil. Passen Sie font_scale an, indem Sie sich die Abbildung ansehen.
import seaborn as sns
sns.set(style="white", font_scale=1.3, palette="muted", color_codes=True)
Sehen Sie sich die Seite Galerie des offiziellen Dokuments an. (Da die Funktionen, die verwendet werden können, auf Folgendes beschränkt sind, müssen Sie sich den Link nicht ansehen, wenn Sie sich vorstellen können, was Sie mit dem Funktionsnamen tun können. Sie können die Details des Arguments mit der Hilfefunktion von ipython überprüfen.)
Visualisierung der Verteilung
Funktion
Streit --kde: Schätzung der Kerneldichte --hist: Histogramm --hue: Verteilungsschätzung nach Bedingung
Rückkehr
Funktion
Streit
Kategoriale Daten
Funktion
Lesen Sie den Datensatz von seaborn
#Datensatzliste: https://github.com/mwaskom/seaborn-data
sns.load_dataset('titanic')
Wellenentfernung
sns.despine() #Oben und rechts
sns.despine(left=True) #Auch links
color palettes
#Aktuelle Farbkarte
cmap_current = sns.color_palette()
sns.palplot(cmap_current)
#Neue Farbkarte
#Referenz: http://seaborn.pydata.org/tutorial/color_palettes.html
#Beispiel: key = "set1" (categorical), "Blues" (sequential)
num = 8
cmap = sns.color_palette(key, num)
sns.palplot(cmap)