seaborn

# Seaborn 统计可视化 ## 概述 Seaborn 是一个用于创建出版级统计图形的 Python 可视化库。使用此工具进行面向数据集的绘图、多变量分析、自动统计估计以及通过最少代码生成复杂的多面板图表。 ## 设计理念 Seaborn 遵循以下核心原则： 1. **面向数据集**：直接使用 DataFrame 和命名变量，而非抽象坐标。 2. **语义映射**：自动将数据值转换为视觉属性（颜色、大小、样式）。 3. **统计感知**：内置聚合、误差估计和置信区间计算。 4. **美学默认值**：开箱即用的出版级主题和调色板。 5. **Matplotlib 集成**：在需要时与 Matplotlib 自定义功能完全兼容。 ## 快速入门 python import seaborn as sns import matplotlib.pyplot as plt import pandas as pd # 加载示例数据集 df = sns.load_dataset('tips') # 创建简单的可视化 sns.scatterplot(data=df, x='total_bill', y='tip', hue='day') plt.show() ## 核心绘图接口 ### 函数接口 (传统) 函数接口提供了按可视化类型组织的专业绘图函数。每个类别都有**轴级 (axes-level)** 函数（绘制到单个轴）和**图级 (figure-level)** 函数（管理整个包含分面的图表）。 **适用场景：** - 快速探索性分析 - 单一目的的可视化 - 当你需要特定类型的图表时 ### 对象接口 (现代) `seaborn.objects` 接口提供了一种类似于 ggplot2 的声明式、可组合 API。通过链式调用方法来指定数据映射、标记、转换和比例，从而构建可视化。 **适用场景：** - 复杂的分层可视化 - 当你需要对转换进行细粒度控制时 - 构建自定义图表类型 - 程序化生成图表 python from seaborn import objects as so # 声明式语法 ( so.Plot(data=df, x='total_bill', y='tip') .add(so.Dot(), color='day') .add(so.Line(), so.PolyFit()) ) ## 按类别划分的绘图函数 ### 关系图 (变量间的关系) **适用场景：** 探索两个或多个变量之间的关系 - `scatterplot()` - 将单个观测值显示为点 - `lineplot()` - 显示趋势和变化（自动聚合并计算置信区间） - `relplot()` - 具有自动分面功能的图级接口 **关键参数