seaborn数据统计可视化-介绍

Seaborn 是一个用于在 Python 中制作统计图形的库。它基于 matplotlib 构建，并与 pandas 数据结构紧密集成。

Seaborn 能帮助您探索和理解数据。其绘图功能可作用于包含整个数据集的 DataFrame 和数组之上，并在内部执行必要的语义映射和统计聚合操作，从而生成具有信息量的图表。其面向数据集的声明式 API 能让您专注于图表中不同元素所代表的意义，而非绘制图表的细节。

看个例子：

针对这个例子，我们一个一个来梳理一下：

# 1. Import seaborn
import seaborn as sns

对于这个简单的示例，我们只需要导入 Seaborn 这一个库即可。按照惯例，我们使用简写形式 sns 来导入它。seaborn 使用 matplotlib 来绘制其图表。对于交互式工作，建议使用 matplotlib 模式下的 Jupyter/IPython 界面，否则您需要在想要查看图表时调用 matplotlib.pyplot.show() 函数。

# 2. Apply the default theme
sns.set_theme()

这会使用 matplotlib 的 rcParam 系统，并会影响所有 matplotlib 图表的外观，即便您并非通过 seaborn 来绘制图表也是如此。除了默认主题之外，还有其他几种选项，您可以独立控制图表的风格和缩放比例，从而快速在不同的展示场合之间转换您的工作成果（例如，在演讲期间投影时制作一个字体清晰可读的图表版本）。如果您喜欢 matplotlib 的默认设置或者更倾向于使用不同的主题，您可以跳过此步骤，但仍可使用 seaborn 的绘图函数。

# 3. Load an example dataset
tips = sns.load_dataset("tips")

文档中的大部分代码都会使用 load_dataset() 函数来快速获取示例数据集。这些数据集并没有什么特别之处：它们只是 pandas dataframes而已，我们也可以用 pandas.read_csv() 函数加载它们或者手动构建它们。文档中的大多数示例都会使用 pandas dataframes 来指定数据，但 seaborn 对它所接受的数据结构非常灵活。

# 4. Create a visualization
sns.relplot(data=tips,x="total_bill", y="tip", col="time",hue="smoker", style="smoker", size="size",
)

这段代码展示了 tips 数据集中的五个变量之间的关系，它通过调用 seaborn 函数 relplot() 单次实现了这一操作。请注意，我们仅提供了变量的名称及其在图表中的作用。与直接使用 matplotlib 相比，这里无需根据颜色值或标记代码来指定图表元素的属性。在幕后，seaborn 处理了将dataframe中的值转换为 matplotlib 可理解的参数这一过程。这种声明式的方法让您能够专注于想要回答的问题，而不是纠结于如何控制 matplotlib 的细节。