科研绘图不用愁，Seaborn 从入门到精通，一篇论文图表全搞定。
本书内容
《Seaborn科技绘图：基于Matplotlib的Python数据可视化》共分为12章 ，内容从基础到进阶，涵盖Seaborn与Matplotlib 的核心应用与技术。《Seaborn科技绘图：基于Matplotlib的Python数据可视化》首先帮助读者搭建Python绘图环境，并详细讲解如何利用Seaborn和Matplotlib绘制各种常见类型的图表，包括条形图、散点图、直方图、回归图、热图等，覆盖单变量、双变量以及多变量数据可视化。然后深入探讨如何定制图表样式、选择合适的配色方案、优化图表设计，以及处理复杂数据集的可视化任务，确保读者能够应对各种可视化挑战。《Seaborn科技绘图：基于Matplotlib的Python数据可视化》内容不仅覆盖了绘图所需的基础技术，还通过丰富的实际案例和技巧，帮助读者提升数据可视化的能力。
本书作者
芯智（笔名）
毕业于北京航空航天大学，现就职于中国科学院，研究生导师，从事科研工作二十余年。参与国家科技重大专项攻关任务，熟练掌握各种工程应用与数据分析软件，曾获得国家专利奖、北京市专利奖和中科院成果转化特等奖等荣誉。
本书读者
《Seaborn科技绘图：基于Matplotlib的Python数据可视化》既适合刚刚接触数据分析的新手，也适合从事数据分析、机器学习、科学研究的专业人士。
本书目录
第 1 章 绘图环境搭建1
1.1 Seaborn与Matplotlib概述1
1.1.1 关于Python可视化2
1.1.2 Matplotlib：Python基础可视化库2
1.1.3 Seaborn：基于Matplotlib的高级封装库2
1.1.4 Seaborn与Matplotlib的关系3
1.1.5 支持的Python版本和依赖性3
1.2 PyCharm的安装和入门4
1.2.1 环境说明5
1.2.2 软件安装5
1.2.3 PyCharm的使用 7
1.3 Matplotlib的安装和入门10
1.3.1 安装Matplotlib11
1.3.2 Matplotlib入门11
1.4 Seaborn的安装和入门13
1.4.1 安装Seaborn13
1.4.2 快速入门14
1.5 本章小结15
第 2 章 绘图配色16
2.1 在绘图中使用颜色的一般原则16
2.1.1 颜色成分16
2.1.2 改变色调以区分类别18
2.2 常用的分类颜色函数20
2.2.1 color_palette()函数20
2.2.2 hls_palette()函数24
2.2.3 husl_palette()函数26
2.2.4 cubehelix_palette()函数29
2.2.5 dark_palette()函数34
2.2.6 light_palette()函数36
2.2.7 mpl_palette()函数37
2.3 Color Brewer颜色工具39
2.4 连续型颜色42
2.5 多样化的调色板45
2.5.1 视觉上统一的发散调色板45
2.5.2 自定义发散调色板46
2.5.3 其他调色板47
2.6 调色板的选择49
2.7 本章小结51
第 3 章 单变量数据可视化52
3.1 条形图52
3.1.1 简单条形图54
3.1.2 分类变量分组条形图56
3.1.3 渐变色条形图59
3.1.4 使用countplot()函数绘制条形图62
3.2 直方图64
3.2.1 单变量分布的直方图65
3.2.2 归一化的直方图71
3.2.3 堆叠直方图75
3.2.4 使用objects.Hist()函数绘制直方图77
3.3 核密度估计图81
3.3.1 KDE曲线图83
3.3.2 使用kdeplot()函数绘制二元图87
3.3.3 使用objects.KDE()函数绘制KDE图89
3.4 使用displot()函数绘制图形93
3.4.1 使用displot()函数绘制直方图94
3.4.2 使用displot()函数绘制KDE曲线图和二元图98
3.5 单变量数据的理解与分析104
3.6 本章小结104
第 4 章 双变量数据可视化105
4.1 散点图105
4.1.1 使用scatterplot()函数绘制散点图106
4.1.2 使用relplot()函数绘制散点图113
4.2 折线图117
4.2.1 使用lineplot()函数绘制折线图117
4.2.2 使用relplot()函数绘制折线图125
4.2.3 结合lineplot()和relplot()函数绘制折线图127
4.3 经验累积分布图129
4.4 本章小结132
第 5 章 分类数据可视化133
5.1 箱型图133
5.1.1 传统箱型图134
5.1.2 改进箱型图139
5.2 小提琴图144
5.3 点图151
5.3.1 使用pointplot()函数绘制点图151
5.3.2 使用stripplot()函数绘制点图157
5.4 组合图161
5.4.1 分类图161
5.4.2 散点图167
5.4.3 蜂群图174
5.5 本章小结180
第 6 章 多变量数据可视化181
6.1 面板图的使用181
6.1.1 使用FacetGrid()函数绘制直方图和散点图182
6.1.2 使用FacetGrid()函数绘制多行多列的折线图189
6.1.3 使用FacetGrid()函数绘制极坐标散点图191
6.1.4 使用FacetGrid()函数绘制山脊图192
6.2 成对关系图195
6.3 联合分布图204
6.3.1 使用jointplot()函数创建联合分布图204
6.3.2 使用JointGrid()函数创建联合分布图209
6.4 数据分布的边际可视化214
6.5 本章小结218
第 7 章 矩阵可视化：相关性与热图219
7.1 热图的创建与优化219
7.2 聚类热图225
7.3 本章小结230
第 8 章 回归与线性关系231
8.1 简单回归图231
8.2 线性回归图237
8.2.1 使用lmplot()函数绘制散点线性回归图237
8.2.2 使用relplot()函数绘制线性回归图242
8.3 回归残差图246
8.4 统计估计数和误差条249
8.5 本章小结253
第 9 章 控制图的样式254
9.1 偏移的正弦波254
9.2 图形的样式255
9.3 删除轴和刻度256
9.4 临时设置图形样式258
9.5 缩放图元素260
9.6 移动图例的位置261
9.7 本章小结264
第 10 章 复合图与标记样式定制265
10.1 复合图的实践265
10.2 坐标属性266
10.3 颜色和填充特性267
10.4 标记属性和线条属性269
10.5 大小属性270
10.5.1 点大小和线宽270
10.5.2 边缘宽度和stroke属性270
10.5.3 文本属性271
10.6 本章小结271
第 11 章 objects接口272
11.1 Plot()函数272
11.1.1 Plot.add()函数276
11.1.2 Plot.scale()函数279
11.1.3 Plot.facet()函数283
11.1.4 Plot.pair()函数285
11.1.5 Plot.layout()函数288
11.1.6 Plot.label()函数289
11.1.7 Plot.limit()函数292
11.1.8 Plot.share()函数294
11.1.9 Plot.theme()函数296
11.2 使用Line()和Lines()函数绘制折线图298
11.3 使用Path()函数绘制路径303
11.4 使用Dash()函数控制线条样式304
11.5 使用Range()函数绘制线段307
11.6 使用Bar()和Bars()函数绘制条形图309
11.7 使用Area()函数绘制填充区域314
11.8 使用Dot()和Dots()函数绘制点图317
11.9 使用Agg()函数对数据进行聚合322
11.10 本章小结323
第 12 章 数据可视化总结与进阶应用324
12.1 Seaborn的灵活性324
12.2 复杂数据可视化案例325
12.2.1 分析并可视化时间序列数据325
12.2.2 可视化大规模分类数据328
12.2.3 结合scikit-learn进行数据预测和拟合331
12.2.4 K-means聚类分析、PCA降维和聚类结果可视化333
12.3 Seaborn与其他库的协同工作337
12.3.1 结合机器学习库337
12.3.2 结合Plotly库338
12.3.3 结合ipywidgets库340
12.4 Seaborn资源与社区342
12.5 本章小结342
编辑推荐
***·***在学术研究、数据分析与工程实践中，高质量的数据可视化既是呈现结果的关键，也是传递观点的核心载体。Python 已成为数据分析领域的主流工具，而 Seaborn 凭借简洁优雅的 API、美观专业的绘图风格与对 Matplotlib 的高度兼容，成为科研绘图、论文图表、报告可视化的首选库。
·《Seaborn科技绘图：基于Matplotlib的Python数据可视化》以零基础入门、系统全面、贴近实战为编写思路，从环境搭建、绘图配色等基础内容讲起，循序渐进覆盖单变量、双变量、分类数据、多变量、相关性热图、回归分析等全场景可视化方法。全书不仅详细讲解各类图表的绘制逻辑与函数用法，更深入到样式美化、配色方案、图表组合与细节定制，帮助读者快速画出符合期刊规范、满足科研要求的专业图表。
***·***尤为值得关注的是，《Seaborn科技绘图：基于Matplotlib的Python数据可视化》紧跟版本更新，专门新增 Seaborn objects 新接口章节，系统介绍新一代声明式绘图语法，同时提供时间序列、聚类分析、机器学习可视化等综合实战案例，将绘图技能与真实科研、数据分析场景深度结合。内容由浅入深、案例丰富、代码完整可直接运行，既适合作为入门自学教材，也可作为日常查阅的工具书。
***·***无论你是高校学生、科研人员、数据分析师，还是从事机器学习与工程开发的技术人员，都能通过本书系统掌握 Seaborn 绘图体系，快速提升数据表达与可视化呈现能力，让图表更专业、成果更出彩。
本文摘自《Seaborn科技绘图：基于Matplotlib的Python数据可视化》，具体内容请以书籍为准。