随笔分类 - Seaborn
介绍Seaborn的常用的使用方法
摘要：结构化图形绘制（FacetGrid) 可实现多行多列个性化绘制图形。 sns.FacetGrid( data, row=None, col=None, hue=None, col_wrap=None, sharex=True, sharey=True, height=3, aspect=1, pal
阅读全文
摘要：lineplot() 绘制与时间相关性的线图。 sns.lineplot( x=None, y=None, hue=None, size=None, style=None, data=None, palette=None, hue_order=None, hue_norm=None, sizes=N
阅读全文
摘要：regplot() 绘制两个变量的线性拟合图。 sns.regplot( x, y, data=None, x_estimator=None, x_bins=None, x_ci='ci', scatter=True, fit_reg=True, ci=95, n_boot=1000, units=
阅读全文
摘要：统计分布图 barplot() sns.barplot( x=None, y=None, hue=None, data=None, order=None, hue_order=None, estimator=<function mean at 0x000001DA64AD3DC8>, ci=95,
阅读全文
摘要：箱型分布图 boxplot() sns.boxplot( x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=0.75,
阅读全文
摘要：散点分布图 综合表示散点图和直方分布图。 Jointplot() 绘制二变量或单变量的图形，底层是JointGrid()。 sns.jointplot( x, y, data=None, kind='scatter', stat_func=None, color=None, height=6, ra
阅读全文
摘要：直方图\密度图 直方图和密度图一般用于分布数据的可视化。 distplot 用于绘制单变量的分布图，包括直方图和密度图。 sns.distplot( a, bins=None, hist=True, kde=True, rug=False, fit=None, hist_kws=None, kde_
阅读全文
摘要：调色盘设置 设置调色 color_palette()设置调色盘，返回一个调色盘的颜色列表，默认6种颜色：deep, muted, bright, pastel, dark, colorblind. seaborn.color_palette(palette=None, n_colors=None,
阅读全文
摘要：官方网站：seaborn: statistical data visualization — seaborn 0.11.2 documentation (pydata.org) Seaborn是基于matplotlib的python数据可视化库，提供更高层次的API封装，包括一些高级图表可视化等工具
阅读全文
