Seaborn库的定义与核心功能
Seaborn库的定义与核心功能
定义：
Seaborn 是基于 Matplotlib 的 Python 数据可视化库，专注于统计图形的绘制。它提供高级接口，简化了复杂图表的创建流程，支持与 Pandas 数据结构的无缝集成，并内置美观的默认样式和颜色主题，特别适合数据探索与分析。
核心函数与用途
-
基础绘图函数
-
分布图
-
sns.histplot()：绘制直方图（支持核密度估计叠加）。 -
sns.kdeplot()：核密度估计图。 -
sns.displot()：灵活绘制分布图（直方图、KDE、ECDF 等）。
-
-
关系图
-
sns.scatterplot()：散点图（支持分类变量颜色/大小映射）。 -
sns.lineplot()：折线图（自动处理误差区间）。
-
-
分类图
-
sns.barplot()：条形图（显示均值及置信区间）。 -
sns.boxplot()：箱线图（展示数据分布与离群值）。 -
sns.violinplot()：小提琴图（结合箱线图与核密度估计）。
-
-
-
高级绘图工具
-
sns.heatmap()：热力图（用于矩阵数据可视化）。 -
sns.clustermap()：层次聚类热力图（结合聚类分析）。 -
sns.pairplot()：散点图矩阵（自动绘制多变量关系）。 -
sns.lmplot()：回归模型图（绘制线性拟合线及置信区间）。
-
-
分面与网格
-
sns.FacetGrid()：分面网格（按分类变量拆分多子图）。 -
sns.relplot()：关系分面图（结合scatterplot和lineplot）。 -
sns.catplot()：分类分面图（统一接口绘制各类分类图）。
-
-
样式与主题控制
-
sns.set_theme()：设置全局主题（样式、调色板、字体等）。 -
sns.set_palette()：自定义颜色调色板。 -
sns.set_context()：调整图表元素尺寸（如线条粗细、标签大小）。
-
-
数据与工具函数
-
sns.load_dataset()：加载内置示例数据集（如tips,iris）。 -
sns.color_palette()：生成或提取颜色序列。 -
sns.axes_style()：查看或临时修改坐标轴样式。
-
与 Matplotlib 的协作
Seaborn 可与 Matplotlib 灵活结合，例如：
-
使用
plt.title()或ax.set_xlabel()调整图表细节； -
通过
plt.subplots()创建复杂布局后，用 Seaborn 函数填充子图； -
调用
plt.show()显示最终图表。
import seaborn as sns
import matplotlib.pyplot as plt# 加载数据
tips = sns.load_dataset("tips")# 绘制分面箱线图
g = sns.catplot(data=tips, x="day", y="total_bill", kind="box", col="smoker")
g.set_titles("Smoker: {col_name}")
plt.show()