大数据应用开发和项目实战-Seaborn

设计目标

seaborn 建立在 matplotlib 之上，专注于统计数据可视化，简化绘图过程，提供高级接口和美观的默认主题

Seaborn的安装：

        1.pip install seaborn -i

        2.conda install seaborn （清华源：https://pypi.tuna.tsinghua.edu.cn/simple）

        Seaborn的导入： import seaborn as sns 

sns.set_theme()

sns.set_theme() 可以选择不同的主题和模板。

格式为sns.set_theme(style="whitegrid", context="paper") style取值如下：

格式为sns.set_theme(style="whitegrid", context="paper") context取值如下：

sns.scatterplot() - 散点图

        sns.scatterplot()用于绘制两个变量之间的散点图，可选择添加趋势线

sns.lineplot() - 折线图

        sns.lineplot()用于绘制变量随着另一个变量变化的趋势线图

                (改了一下数，看上去更明显)

sns.barplot() - 柱形图

        sns.barplot()用于绘制变量的均值或其他聚合函数的柱状图

                （柱形图：使用 sns.barplot 和 sns.barhplot 函数，分别绘制垂直和水平的柱形图。）

sns.boxplot() - 箱线图

        sns.boxplot()用于绘制变量的分布情况，包括中位数、四分位数等。

        （不同颜色的箱子中间的线是中位数，箱子上面和下面的那两个线分别是上四分位和下四分位，箱子外面的那两个线是最大值和最小值）

sns.heatmap() - 热图

        sns.heatmap()用于绘制矩阵数据的热图，通常用于展示相关性矩阵。表示变量之间的相关性。

sns.violinplot() - 小提琴图

        sns.violinplot()用于显示分布的形状和密度估计，结合了箱线图和核密度估计。

        （窄的部分是数据少，宽的部分是数据多）