科研论文配图绘制指南——基于Python—第二章2.seaborn

目录

• 第二章
• • [2.2 Seaborn](#2.2 Seaborn)
  • • [2.2.2 多子图网格型图](#2.2.2 多子图网格型图)
    • [2.2.3 绘图风格、颜色主题和绘图元素缩放比例](#2.2.3 绘图风格、颜色主题和绘图元素缩放比例)

第二章

2.2 Seaborn

• Seaborn是Python中一个非常受用户欢迎的可视化库。Seaborn 在 Matplotlib 的基础上进行了更加高级的封装，用户能够使用极少的代码绘制出拥有丰富统计信息的科研论文配图。

1. 关系型图
   

2. 数据分布型图
   

3. 分类数据型图
   
   

4. 回归模型分析型图
   

2.2.2 多子图网格型图

FacetGrid()

FacetGrid() 函数可以实现行、列、色调 3 个维度的数值映射，其中，行、列维度与所得的轴阵列有明显的对应关系，色调变量可被视为沿深度轴的第三维，用不同的颜色绘制不同级别的数据。

PairGrid()#

在PairGrid() 函数中，每个行和列都会被分配一个不同的变量，这就导致绘制结果为显示数据集中成对变量间关系的图。这种图也被称为"散点图矩阵"。

2.2.3 绘图风格、颜色主题和绘图元素缩放比例

四种绘图风格

颜色主题

绘图元素的缩放比例

总共有四种，对应paper、notebook、talk、poster