Python Seaborn绘图函数大全（附带实例）

Seaborn 是一个基于 Matplotlib 的 Python 数据可视化库，它提供了更高级别的接口用于创建各种统计图表，使得创建漂亮且信息丰富的图形变得更加简单。

Seaborn 与 Pandas 数据框架集成良好，并提供了一些额外的功能，使得数据可视化变得更加轻松。

Seaborn 提供了许多方便的绘图函数，如下表所示，可以轻松地创建各种常见的统计图形，包括散点图、直方图、箱线图等。

表：Seaborn 绘图函数

类型	函数	主要参数	类型	函数	主要参数
点图	sns.pointplot	data,x,y,hue,markers	分类散点图	sns.stripplot	data,x,y,hue,jitter
散点图	sns.scatterplot	data,x,y,hue	分类箱型图	sns.boxenplot	data,x,y,hue
线性图	sns.lineplot	data,x,y,hue	分类散点图	sns.swarmplot	data,x,y,hue
直方图	sns.histplot	data,x,bins,kde	矩阵散点图	sns.scatterplot	data,x,y,hue
箱型图	sns.boxplot	data,x,y,hue	联合分布图	sns.jointplot	data,x,y,kind
小提琴图	sns.violinplot	data,x,y,hue	聚焦关系图	sns.pairplot	data,vars,kind
条形图	sns.barplot	data,x,y,hue,ci	核密度图	sns.kdeplot	data,x,y,shade
计数图	sns.countplot	data,x,hue	群组条形图	sns.barplot	data,x,y,hue,ci
热力图	sns.heatmap	data,annot,cmap	相关矩阵图	sns.heatmap	data,annot,cmap
聚类图	sns.clustermap	data,cmap,metric	群组散点图	sns.lmplot	data,x,y,hue,col
成对图	sns.pairplot	data,hue,palette

【实例】使用自带数据集，利用 Seaborn 函数绘图。

import seaborn as sns
import matplotlib.pyplot as plt

# 加载数据集
iris=sns.load_dataset("D:/PyData/iris")
tips=sns.load_dataset("D:/PyData/tips")
car_crashes=sns.load_dataset("car_crashes")
penguins=sns.load_dataset("D:/PyData/penguins")
diamonds=sns.load_dataset("D:/PyData/diamonds")

plt.figure(figsize=(15,8))  # 设置画布

# 第 1幅图: iris 数据集的散点图
plt.subplot(2,3,1)
sns.scatterplot(x="sepal_length",y="sepal_width",hue="species",data=iris)
plt.title("Iris scatterplot")

# 第 2幅图: tips 数据集的箱线图
plt.subplot(2,3,2)
tips=sns.load_dataset("D:/PyData/tips")
sns.boxplot(x="day",y="total_bill",hue="smoker",data=tips)
plt.title("Tips boxplot")

# 第 3幅图: tips 数据集的小提琴图
plt.subplot(2,3,3)
sns.violinplot(x="day",y="total_bill",hue="smoker",data=tips)
plt.title("Tips violinplot")

# 第 4幅图: car_crashes 数据集的直方图
plt.subplot(2,3,4)
sns.histplot(car_crashes['total'],bins=20)
plt.title("Car Crashes histplot")

# 第 5幅图: penguins 数据集的点图
plt.subplot(2,3,5)
sns.pointplot(x="island",y="bill_length_mm",hue="species",data=penguins)
plt.title("Penguins pointplot")

# 第 6幅图: diamonds 数据集的计数图
plt.subplot(2,3,6)
sns.countplot(x="cut",data=diamonds)
plt.title("Diamonds countplot")

plt.tight_layout()
plt.show()

上述代码使用 Seaborn 和 Matplotlib 库绘制了散点图、箱线图、小提琴图、直方图、点图和计数图，展示了不同数据集的可视化图形。每个子图展示了不同数据集的特征或关系，如鸢尾花数据集中不同种类的散点分布，小费数据集中吸烟者与非吸烟者在不同天数消费总额的箱线图等。

运行后输出的图形如下图所示：