Seaborn 学习笔记

一、Seaborn 简介

定义：建立在 Matplotlib 基础之上的 Python 数据可视化库，专注于统计图形绘制，便于数据呈现与理解。

设计目标：简化统计数据可视化过程，提供高级接口和美观默认主题，支持用少量代码实现复杂图形。

二、Seaborn 安装与导入

安装方式

1. pip 安装：pip install seaborn
2. conda 安装：conda install seaborn（可使用清华源：Simple Index）

导入方式

python

运行

import seaborn as sns
sns.set_theme()  # 可设置主题和模板

主题设置（sns.set_theme ()）

style 参数（主题风格）：

context 参数（适用场景，影响标签和线条大小）：

示例：sns.set_theme(style="whitegrid", context="paper")

三、常用绘图函数

1. 散点图（sns.scatterplot ()）

功能：绘制两个变量之间的散点图，可添加趋势线，展示变量间关系。

2. 折线图（sns.lineplot ()）

功能：绘制变量随另一个变量变化的趋势线图。

示例代码：

python

运行

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# 创建示例数据框
data = {'X': [1, 2, 3, 4, 5], 'Y': [5, 4, 3, 2, 1]}
df = pd.DataFrame(data)

# 绘制折线图
sns.lineplot(x='X', y='Y', data=df)
plt.show()

3. 柱形图（sns.barplot ()）

功能：绘制变量的均值或其他聚合函数的柱状图，展示类别间的数值差异。

示例代码：

python

运行

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# 创建示例数据框
data = {'Category': ['A', 'B', 'C'], 'Value': [3, 7, 5]}
df = pd.DataFrame(data)

# 绘制柱状图
sns.barplot(x='Category', y='Value', data=df)
plt.show()

4. 箱线图（sns.boxplot ()）

功能：展示变量的分布情况，包括中位数、四分位数、异常值等统计信息。

示例代码：

python

运行

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# 创建示例数据框
data = {'Category': ['A', 'A', 'B', 'B', 'C', 'C'], 'Value': [3, 7, 5, 9, 2, 6]}
df = pd.DataFrame(data)

# 绘制箱线图
sns.boxplot(x='Category', y='Value', data=df)
plt.show()

5. 热图（sns.heatmap ()）

功能：可视化矩阵数据，常用于展示相关性矩阵，通过颜色深浅反映数值大小。

示例代码：

python

运行

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# 创建示例数据框
data = {'A': [1, 2, 3, 4, 5], 'B': [5, 4, 3, 2, 1]}
df = pd.DataFrame(data)

# 创建相关性矩阵
correlation_matrix = df.corr()

# 绘制热图
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', fmt=".2f")
plt.show()

6. 小提琴图（sns.violinplot ()）

功能：结合箱线图和核密度估计，展示数据分布的形状和密度，更全面反映数据特征。

示例代码：

python

运行

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# 创建示例数据框
data = {'Category': ['A', 'A', 'B', 'B', 'C', 'C'], 'Value': [3, 7, 5, 9, 2, 6]}
df = pd.DataFrame(data)

# 绘制小提琴图
sns.violinplot(x='Category', y='Value', data=df)
plt.show()