Python 绘图 Seaborn包

Python 绘图 Seaborn包

import seaborn as sns

sns.heatmap 热力图 把这个二维的数组的数字用热力图的颜色值来表示

可以可视化协方差矩阵 :相关性

sns.regplot :两个一维数据相关性的观察利器 :数据正相关还是负相关

sns.displot 绘制数据直方图与拟合的曲线 ：数据的分布

sns.scatterplot 散点图 ：数据的分布

sns.countplot 用于类别特征的频数条形图，可以画类别特征和y值（y值特征也是类比的话）的条形图

sns.violinplot 小提琴图是箱线图与核密度图的结合，箱线图展示了分位数的位置，核密度图则展示了任意位置的密度，通过小提琴图可以知道哪些位置的数据点聚集的较多，因其形似小提琴而得名。

超详细Seaborn绘图 ——（三）violinplot_邱邱邱的博客-CSDN博客_sns.violinplot

sns.boxplot
箱形图（Box-plot）又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。
它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。箱形图最大的优点就是不受异常值的影响（异常值也称为离群值），可以以一种相对稳定的方式描述数据的离散分布情况。

超详细Seaborn绘图 ——（二）boxplot & boxenplot_邱邱邱的博客-CSDN博客_boxenplot

一个boxplot主要包含六个数据节点，将一组数据从大到小排列，分别计算出他的上边缘（上限），上四分位数Q3，中位数，下四分位数Q1，下边缘（下限），还有一个异常值。

sns.boxenplot

boxenplot是为更大的数据集绘制增强的箱型图。这种风格的绘图最初被命名为“信值图”，因为它显示了大量被定义为“置信区间”的分位数。它类似于绘制分布的非参数表示的箱形图，其中所有特征对应于实际观察的数值点。通过绘制更多分位数，它提供了有关分布形状的更多信息，特别是尾部数据的分布。

版权声明：本文为CSDN博主「邱之涵0」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/Artoria_QZH/article/details/102790740