Seaborn - 入门教程

在Analytics(分析)领域中，获得见解的最佳方法是可视化数据，通过将数据表示为易于理解，探索和掌握的图表，可以将数据可视化。此类数据有助于吸引关键元素的注意。

为了使用Python分析一组数据，无涯教程使用了Matplotlib，一个2D绘图库，同样Seaborn是Python中的可视化库，它创建在Matplotlib之上。

Seaborn解决Matplotlib面临的两个主要问题

无涯教程网

• 默认Matplotlib参数
• 使用Data Frames

随着Seaborn对Matplotlib的补充和扩展，学习曲线是逐渐的，如果您了解Matplotlib，那么对你学习Seaborn很有帮助。

链接：https://www.learnfk.comhttps://www.learnfk.com/seaborn/seaborn-introduction.html

来源：LearnFk无涯教程网

Seaborn特征

Seaborn创建在Python核心可视化库Matplotlib的基础上，它旨在作为补充，而不是替代，但是，Seaborn具有一些非常重要的函数。让无涯教程在这里看到其中的一些。函数有助于-

• 内置用于设置matplotlib图形样式的主题
• 可视化单变量和双变量数据
• 拟合并可视化线性回归模型
• 绘制统计时间序列数据
• Seaborn与NumPy和Pandas数据结构配合良好
• 它带有用于为Matplotlib图形设置样式的内置主题

在大多数情况下，您仍将使用Matplotlib进行简单绘图，建议您了解Matplotlib知识，以调整Seaborn的默认图。

Seaborn目录

• 入门教程

• Seaborn - 简介
• Seaborn - 环境设置
• Seaborn - 导入数据和库
• Seaborn - 可视化数据
• Seaborn - 调色板
• Seaborn - 直方图(Histogram)
• Seaborn - 密度估计(KDE)
• Seaborn - 可视化成对关系
• Seaborn - 绘制分类数据
• Seaborn - 观察值分布
• Seaborn - 统计估计
• Seaborn - 绘制宽数据表
• Seaborn - 多面板分类图
• Seaborn - 线性回归
• Seaborn - 多面网格
• Seaborn - 配对网格