2020年了，你应该知道怎么用seaborn了！

说到python画图，我们第一个想到的库肯定是matplotlib，但是随着大家眼界的提高，matplotlib画的图渐渐“失宠”了。今天，让我们来了解一下基于matplotlib构建的绘图库——seaborn。

先来看一下对于seaborn的官方说明：

- 面向数据集的API，用于检查多个变量之间的关系；

- 专门支持使用分类变量显示观察结果或汇总统计数据；

- 可视化单变量或双变量分布并比较数据子集的选项；

- 自动估计和绘制不同类型因变量的线性回归模型；

- 方便查看复杂数据集的整体结构；

- 构建多图网格的高级抽象，让你轻松构建复杂的可视化；

- 带有几个内置主题的 matplotlib图形样式的精确控制。

导入数据

seaborn中有很多样本数据，我们选择其中一个比较简单的数据集开始我们本文对seaborn的讲解。

import seaborn as sns
# 加载数据集,sns加载的数据集是dataframe类型
flights_long = sns.load_dataset("flights")
flights_long.head()

得到的结果如下：

直方图

接下来就让我们先来画一个简单的直方图吧：

# 直方图（数值型）
# kde:用于控制密度曲线的有无(默认True)
sns.distplot(flights_long['passengers'], kde=True)

再来看一个更高端的统计直方图：

# 统计直方图
sns.countplot(flights_long['years'])

再来看一下显示数据分布情况的图形：

# 显示数据的分布情况 rugplot
sns.rugplot(flights_long['passengers'])

散点图

散点图可以很好的展示两个特征的属性值之间的关系。看一下绘制散点图的代码：

sns.stripplot(x='year', y='passengers', data=flights_long)

接下来，让我们展示一种绘制散点图的方法。与上面不同的是，这种方法绘制的图中的点不会重叠。

sns.swarmplot(x='year', y='passengers', data=flights_long)