Seaborn是對matplotlib的擴展，是一個數據可視化庫，提供更高級的API封裝，在應用中更加的方便靈活。下面我簡單介紹一下他的最基本用法，實際應用的時候，可以直接從文檔中查找這個庫，這時候使用就很快捷了。
首先將使用它所需要的庫導入進來，當然，其中包括numpy之類的是為了演示它的功能才導入的，大家要先理解一下每個庫的作用。
<code>import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pandas import Series,DataFrame
import seaborn as sns # seaborn習慣簡寫為sns/<code>
直方圖和密度圖
如果在 ipython，可以通過 %matplotlab 來解決每次通過 plt.show() 來顯示圖像，或者 jupyter notebook 中可以使用%matplotlib inline，後面程序我就省略了 plt.show() ，可以根據自己的環境選擇顯示圖像的方式。
matplotlib
<code>s1 = Series(np.random.randn(1000)) # 生成1000個點的符合正態分佈的隨機數
plt.hist(s1) # 直方圖，也可以通過plot(),修改裡面kind參數實現
s1.plot(kind='kde') # 密度圖/<code>
seaborn
<code>s1 = Series(np.random.randn(1000)) # 生成1000個點的符合正態分佈的隨機數
sns.distplot(s1,hist=True,kde=True,rug=True) # 前兩個默認就是True,rug是在最下方顯示出頻率情況，默認為False
# bins=20 表示等分為20份的效果，同樣有label等等參數
sns.kdeplot(s1,shade=True,color='r') # shade表示線下顏色為陰影,color表示顏色是紅色
sns.rugplot(s1) # 在下方畫出頻率情況/<code>
給出兩種方式通過最基本的方式畫出來的效果，怎麼樣，是不是發現seaborn很強大。
柱狀圖和熱力圖
下載實驗數據
<code>df = sns.load_dataset('flights') # 在線下載一個數據用於實驗，在sns.load_dataset()函數里有很多的數據，想了解更多的可以到GitHub中找到源碼，你就會很清楚了/<code>我們可以先看一下里面的數據，可以看到，這是一個航空的數據，裡面有年、月和乘客數量，接下來我們就要在這份數據上進行分析。
數據處理
我們可以通過透視表來先對這份數據進行一下處理，大家可以自己試一下，這樣生成的結果是以年為columns，以月為index，表內數據為對應的乘客數量。
<code>df = df.pivot(index='month',columns='year',values='passengers') # 生成一個透視表，得到一個以年、月為軸的二維數據表/<code>
繪製柱狀圖
<code>s = df.sum()
# 通過matplotlib繪出圖形
s.plot(kind='bar')
# 通過seaborn繪出圖形
sns.barplot(x=s.index,y=s.values)/<code>
繪製熱力圖
<code>df.plot() # 線性的顯示數據情況
# sns.heatmap(df) # 生成熱力圖
# sns.heatmap(df,annot=True,fmt='d') # annot參數是指顯示數據，fmt='d'是指以整數形式顯示/<code>
圖形顯示效果
axes_style and set_style
<code>x = np.linspace(0,14,100)
y1 = np.sin(x)
y2 = np.sin(x+2)*1.25
def sinplot():
plt.plot(x,y1)
plt.plot(x,y2)
sinplot() # 以matplotlib顯示，生成兩個函數圖像/<code>
<code># seaborn的5種裝飾風格
styles = ['darkgrid','dark','white','whitegrid','tricks'] # 顏色代表背景顏色，grid代表是否有網格
sns.set_style(style[0]) # 進行裝飾，括號內可以直接寫裝飾風格
sinplot() # 經過修飾之後的圖像
sns.axes_style() # 顯示當前主題的內容，這些數據都可以修改微調
# 更改的時候就將其信息的以字典形式複製到set_style()裡，當做參數來修改（注意是以字典的形式）
sns.set() # 設置風格為空，即清空自己定義的，恢復到默認的時候/<code>
plotting_context and set_context
<code>context = ['paper','notebook','talk','poster'] # seaborn本身定義好的
sns.set_context('paper',rc={'grid.linewidth':3.0}) # rc參數
sinplot()
sns.plotting_context() # 顯示出當前狀態的數據
sns.set() # 恢復到默認/<code>
圖像貌似一樣，但並不是沒有成功，只是變化比較細微，真正用到的時候就可以體會到了。
調色功能
<code># 先繪製一個圖像
def sinplot1():
x = np.linspace(0,14,100)
plt.figure(figsize=(8,6)) # 圖像比較小時，通過這個函數更改大小
for i in range(4):
plt.plot(x,np.sin(x+i)*(i+0.75),label='sin(x+%s)*(%s+0.75)' % (i,i))
plt.legend()
sinplot1()/<code>
<code># 引入seaborn
sns.color_palette() # 使用調色板
# 不傳入參數返回當前使用的調色板（RGB）
sns.palplot(sns.color_palette()) # 畫出調色板，參數為上面的調色板/<code>
接下來，我們就要調整我們的調色板了。
<code>pal.style = ['deep','nuted','pastel','bright','dark','colorblind'] # seaborn默認定義的調色板
# 第一種設置畫板方式
sns.set_palette(sns.color_palette('dark')) # 設置色板
sns.set() # 恢復默認風格
# 第二種設置畫板方式，並且最後恢復到默認
with sns.color_palette():
sinplot1() # 在內部調整畫板輸出圖形，當with結束時，則恢復默認/<code>
調色板裡的顏色是定義好的，那麼如果我們將要繪製的圖形包括很多的函數，需要更多的顏色，該怎麼辦呢？
<code># 默認提供的色板數量是固定的，如果圖像是更多的函數，那麼顏色將循環色板中的風格。如果想不使他顏色有相同，可以通過sns.color_palette()來修改
sns.color_palette([(0.5,0.2,0.6),(0.3,0.3,0.4)]) # 因為色板是以列表的形式存儲的，裡面的每種風格以元組的形式存在所以需要用[()]
# 第二種增加色板顏色的方法
sns.color_palette('hls',8) # hls方法，後面寫參數8，即生成有8種不同顏色的色板/<code>
分享到:
閱讀更多 小田學Python 的文章
