数据可视化:Seaborn

安装Seaborn

进入虚拟环境,在终端中键入

pip install seaborn

即可安装。

初步使用Seaborn

在使用seaborn之前,我们先了解一下seaborn是什么,seaborn是以matplotlib为底层的更简便的python第三方库,它可以更快捷地去设置图形的一些参数,让图表元素改变比例,颜色,背景等等的工具包,使用Seaborn可以给我们美化的图表。

一,风格设置

除了各种绘图方式外,图形的美观程度可能是我们最关心的了。将它放到第一部分,因为风格设置是一些通用性的操作,对于各种绘图方法都适用。

Seaborn 支持的风格有5种:

  • darkgrid 黑背景-白格
  • whitegrid 白背景-白格
  • dark 黑背景
  • white 白背景
  • ticks

接下来,我们将用代码演示一下各自的效果。

python 复制代码
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np


#seaborn风格设置
y = np.random.randint(50,100,20)
x = range(20)
sns.set_style('white')
plt.subplot(231)
plt.plot(x,y)
sns.set_style('dark')
plt.subplot(232)
plt.plot(x,y)
sns.set_style('whitegrid')
plt.subplot(233)
plt.plot(x,y)
sns.set_style('darkgrid')
plt.subplot(234)
plt.plot(x,y)
sns.set_style('ticks')
plt.subplot(235)
plt.plot(x,y)


plt.show()

二,移除轴脊柱

white和ticks两个风格都能够移除顶部和右侧的不必要的轴脊柱。通过matplotlib参数是做不到这一点的,但是你可以使用 seaborn的despine() 方法来移除它们

python 复制代码
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np


#seaborn风格设置
y = np.random.randint(50,100,20)
x = range(20)
sns.set_style('white')
plt.subplot(231)
plt.plot(x,y)
sns.set_style('dark')
plt.subplot(232)
plt.plot(x,y)
sns.set_style('whitegrid')
plt.subplot(233)
plt.plot(x,y)
sns.set_style('darkgrid')
plt.subplot(234)
plt.plot(x,y)
sns.set_style('ticks')
plt.subplot(235)
plt.plot(x,y)
sns.despine()



plt.show()

三,图像风格管理

简单来说,这就是修改图像的规格:粗细,大小等属性,我们调用seanborn.set_context()方法来设置。

同样地,我们使用代码来演示效果:

python 复制代码
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

x = range(10)
y = np.random.randint(10,100,10)

#调用set_context来设置
plt.subplot(221)
plt.plot(x,y)
sns.set_context("paper")
plt.subplot(222)
plt.plot(x,y)
sns.set_context("notebook")
plt.subplot(223)
plt.plot(x,y)
sns.set_context("talk")
plt.subplot(224)
plt.plot(x,y)
sns.set_context("poster")

plt.show()
相关推荐
北辰alk33 分钟前
RAG索引流程详解:如何高效解析文档构建知识库
人工智能
九河云35 分钟前
海上风电“AI偏航对风”:把发电量提升2.1%,单台年增30万度
大数据·人工智能·数字化转型
wm10431 小时前
机器学习第二讲 KNN算法
人工智能·算法·机器学习
沈询-阿里1 小时前
Skills vs MCP:竞合关系还是互补?深入解析Function Calling、MCP和Skills的本质差异
人工智能·ai·agent·ai编程
xiaobai1781 小时前
测试工程师入门AI技术 - 前序:跨越焦虑,从优势出发开启学习之旅
人工智能·学习
盛世宏博北京1 小时前
云边协同・跨系统联动:智慧档案馆建设与功能落地
大数据·人工智能
Learn-Python1 小时前
MongoDB-only方法
python·sql
TGITCIC2 小时前
讲透知识图谱Neo4j在构建Agent时到底怎么用(二)
人工智能·知识图谱·neo4j·ai agent·ai智能体·大模型落地·graphrag
逆羽飘扬2 小时前
DeepSeek-mHC深度拆解:流形约束如何驯服狂暴的超连接?
人工智能
bing.shao2 小时前
AI工作流如何开始
人工智能