1、seaborn的優(yōu)點(diǎn)

它簡(jiǎn)化了復(fù)雜數(shù)據(jù)集的表示；
可以輕松構(gòu)建復(fù)雜的可視化，簡(jiǎn)潔的控制matplotlib圖形樣式與幾個(gè)內(nèi)置主題；
seaborn不可以替代matplotlib，而是matplotlib的很好補(bǔ)充；

2、seaborn的官網(wǎng)

學(xué)習(xí)某個(gè)知識(shí)點(diǎn)，最好的東西就是照著官網(wǎng)的提示學(xué)習(xí)，因?yàn)楣倬W(wǎng)里面的知識(shí)點(diǎn)，夠完整、夠全面。seaborn的官網(wǎng)鏈接：http://seaborn.pydata.org

3、seaborn的作者介紹

4、seaborn的縮寫(xiě)為什么是sns，而不是sbn？

sns的使用來(lái)自于一個(gè)內(nèi)部笑話，與美劇The West Wing有關(guān)。這部劇里有一個(gè)人物，名叫Samual Norman Seaborn，首字母簡(jiǎn)寫(xiě)為sns，因此最終簡(jiǎn)寫(xiě)為sns。

5、seaborn與matplotlib的關(guān)系？

seaborn是matplotlib的更高級(jí)的封裝。因此學(xué)習(xí)seaborn之前，首先要知道m(xù)atplotlib的繪圖原理。

我們知道，使用matplotlib繪圖，需要調(diào)節(jié)大量的繪圖參數(shù)，需要記憶的東西很多。而seaborn基于matplotlib做了更高級(jí)的封裝，使得繪圖更加容易，它不需要了解大量的底層參數(shù)，就可以繪制出很多比較精致的圖形。不僅如此，seaborn還兼容numpy、pandas數(shù)據(jù)結(jié)構(gòu)，在組織數(shù)據(jù)上起了很大作用，從而更大程度上的幫助我們完成數(shù)據(jù)可視化。

最關(guān)鍵：seaborn是matplotlib的更高級(jí)的封裝。也就是說(shuō)，對(duì)于matplotlib的那些調(diào)優(yōu)參數(shù)設(shè)置，也都可以在使用seaborn繪制圖形之后使用。
??

6、使用seaborn繪圖的3種方式

plt.style.use(“seaborn”)：只是說(shuō)調(diào)用了seaborn的繪圖樣式，并不能真正體現(xiàn)seaborn繪圖的好處。
sns.set()：使用了這個(gè)方法后，所有之前寫(xiě)過(guò)的matplotlib中的參數(shù)都還原了。因此，像設(shè)置中文字體顯示、設(shè)置負(fù)號(hào)的正常顯示，都必須放在sns.set()這句代碼之后。
直接調(diào)用seaborn函數(shù)繪圖：這種方式能真正體現(xiàn)seaborn繪圖的優(yōu)勢(shì)，也是我們經(jīng)常使用的繪圖方式。（最常用）

1）plt.style.use(“seaborn”)

df = pd.read_excel("data.xlsx",sheet_name="數(shù)據(jù)源")
df1 = df.groupby("品牌").agg({"銷(xiāo)售數(shù)量":np.sum})

# 使用matplotlib風(fēng)格繪圖
plt.bar(x=df1.index,height=df1["銷(xiāo)售數(shù)量"],width=0.5,color="blue")
plt.savefig(r"G:\6Tipdm\2 python繪圖\seaborn\picture\seaborn繪圖方式_1",dpi=300)

# 使用seaborn風(fēng)格繪圖
plt.style.use("seaborn")
plt.bar(x=df1.index,height=df1["銷(xiāo)售數(shù)量"],width=0.5,color="blue")
plt.savefig(r"G:\6Tipdm\2 python繪圖\seaborn\picture\seaborn繪圖方式_2",dpi=300)

結(jié)果如下：

2）sns.set()

這個(gè)方法里面有幾個(gè)參數(shù)，但是在實(shí)際中，我們都使用默認(rèn)值即可，因?yàn)槟J(rèn)參數(shù)繪圖就已經(jīng)很好看啦，并不需要我們特意去設(shè)置。

① 常用參數(shù)：sns.set(style=, context=, font_scale=)
style設(shè)置繪圖的樣式。
context一般使用默認(rèn)樣式即可，不需要我們自己設(shè)置。默認(rèn)是context=“notebook”。
font_scale控制坐標(biāo)軸的刻度，一般設(shè)置為font_scale=1.2即可。
② 演示如下

df = pd.read_excel("data.xlsx",sheet_name="數(shù)據(jù)源")
df1 = df.groupby("品牌").agg({"銷(xiāo)售數(shù)量":np.sum})

# 使用matplotlib風(fēng)格繪圖
plt.bar(x=df1.index,height=df1["銷(xiāo)售數(shù)量"],width=0.5,color="blue")
plt.savefig(r"G:\6Tipdm\2 python繪圖\seaborn\picture\seaborn繪圖方式_3",dpi=300)

# 使用seaborn風(fēng)格繪圖
sns.set()
plt.rcParams["font.sans-serif"] = "SimHei"
plt.rcParams["axes.unicode_minus"] = False

plt.bar(x=df1.index,height=df1["銷(xiāo)售數(shù)量"],width=0.5,color="blue")
plt.savefig(r"G:\6Tipdm\2 python繪圖\seaborn\picture\seaborn繪圖方式_4",dpi=300)

結(jié)果如下：

3）直接調(diào)用seaborn函數(shù)繪圖（最常用）：seaborn繪圖的優(yōu)勢(shì)體現(xiàn)

df = pd.read_excel("data.xlsx",sheet_name="數(shù)據(jù)源")

sns.set_style("dark")
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
# 注意：estimator表示對(duì)分組后的銷(xiāo)售數(shù)量求和。默認(rèn)是求均值。
sns.barplot(x="品牌",y="銷(xiāo)售數(shù)量",data=df,color="steelblue",orient="v",estimator=sum)
plt.savefig(r"G:\6Tipdm\2 python繪圖\seaborn\picture\seaborn繪圖方式_5",dpi=300)

結(jié)果如下：

注意：直接調(diào)用seaborn函數(shù)繪圖的好處在這個(gè)代碼中有很好的體現(xiàn)?？梢钥闯觯绻苯邮褂胢atplotlib中的代碼繪圖，需要先對(duì)數(shù)據(jù)集進(jìn)行分組聚合，然后才能繪制最后的圖形?！緝?yōu)勢(shì)】：直接使用sns.barplot()函數(shù)繪圖，barplot可以直接將 groupby 分組后的結(jié)果按照指定的匯總方式進(jìn)行可視化展示，并不需要我們實(shí)現(xiàn)對(duì)數(shù)據(jù)進(jìn)行處理。

本站僅提供存儲(chǔ)服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)點(diǎn)擊舉報(bào)。

打開(kāi)APP，閱讀全文并永久保存查看更多類(lèi)似文章

Python繪圖庫(kù)之Seaborn（一）

7天學(xué)會(huì)Python最佳可視化工具Seaborn（五）：結(jié)構(gòu)化展示多維數(shù)據(jù)

用Seaborn繪制圖表

干貨：12個(gè)案例教你用Python玩轉(zhuǎn)數(shù)據(jù)可視化（建議收藏）

從零開(kāi)始學(xué)Python【18】--matplotlib(熱力圖)

MATPLOTLIB 教程：如何使用 Matplotlib 庫(kù)在 python 中執(zhí)行繪圖和數(shù)據(jù)可視化

更多類(lèi)似文章 >>