如何轻松实现数据可视化？

　　译者Lemon
　　责编郭芮
　　本文属于Seaborn的基础教程，介绍了直方图、联合分布图、矩阵图、箱形图等。通过本文可以看出，使用seaborn可以轻松的进行数据可视化。
　　Seaborn是一个数据可视化库，可帮助在Python中创建有趣的数据可视化。大多数数据分析需要识别趋势和建立模型，本文将帮助你开始使用Seaborn库创建数据可视化。
　　首先，你应该在jupyternotebook中键入以下命令。importpandasaspdPandas
　　importnumpyasnpNumpy
　　importmatplotlib。pyplotaspltMatplotlibrary
　　importseabornassnsSeabornLibrary
　　matplotlibinline
　　sns。set（）
　　直方图（Distplot）
　　sns。distplot（）结合直方图并绘制核密度估计图。这里bin区间大小是自动计算的。
　　sns。distplot（data〔variablename〕）
　　我们将使用以下代码在jupyternotebook中加载数据集：LoadtheDatasetinPython
　　tipssns。loaddataset（tips）
　　tips。head（）
　　现在，由于我们已经加载了数据集，我们将使用totalbill变量创建第一个图。让我们从tips数据集创建totalbill变量的distplot。sns。distplot（tips〔totalbill〕，bins16，colorpurple）
　　Binsizeiscalculatedusingsquarerootofrowcount。
　　现在，我们来对上述代码进行进一步描述：sns。distplot这个命令将启动distplot的初始创建；tips〔totalbill〕从tips数据集（数据框）中取出列（totalbill）。在这里，我们应该观察一下，可以使用方括号来拉取列值，并且列名应该用引号括起来（双引号单引号）都被接受。
　　我们推测totalbill变量本质上是倾斜的，大多数帐单值都在1020范围内。
　　联合分布图（Jointplot）
　　联合分布图（Jointplot）采用两个变量并一起创建直方图和散点图。让我们看一下jointplot的语法。
　　sns。jointplot（x，y，data）
　　让我们从tips数据集创建totalbill和tip变量的联合分布图。通常，任何餐厅的小费金额取决于总账单账单大小。代码如下：sns。jointplot（xtotalbill，ytip，datatips，colorpurple）
　　如上所述，散点图似乎显示总账单和小费金额之间的强相关性。在它的顶部，我们可以看到各个变量的直方图。
　　2。1Jointplot：：kindhex
　　直方图的双变量类比称为hexbin图，因为它显示了六边形区间内的观察计数。此图对于相对较大的数据集最有效，也称为HexbinPlots。
　　sns。jointplot（x，y，data，kindhex）JointplotScatterplotandHistogram
　　sns。jointplot（xtotalbill，ytip，datatips，kindhex，
　　colorlightcoral）ips，kindhex，colorlightcoral）
　　有几种类型的值可以放在sns。jointplot中来创建不同的图。默认情况下，联合分布图显示散点图。现在，在上面的情节图中，它显示了六边形。六边形的深色表示数据点的高密度，其中较浅的颜色表示较少的点。
　　kind参数值可以是以下取值：
　　kind：｛scatterregresidkdehex｝
　　下面，我们来看看kindkde的情形。
　　2。2Jointplot：：kindkdeJointplotScatterplotandHistogram
　　sns。jointplot（xtips〔totalbill〕，ytips〔tip〕，kindkde，
　　colorpurple）contourplot
　　上面显示的图表称为轮廓图。轮廓图（有时称为水平图）是一种在二维平面上显示三维表面的方法。它绘制了y轴上的两个预测变量XY和轮廓的响应变量Z。
　　矩阵图（Pairplot）
　　矩阵图基本上绘制了变量之间的成对关系。它支持用hue来为类别变量绘图着色。
　　sns。pairplot（dataframe）PairplotofTips
　　sns。pairplot（tips，huesex，paletteSet2）
　　thiswillcolortheplotgenderwise
　　下面我们来了解下矩阵图的含义。对角线部分显示了具有核密度估计的distplot图或直方图，矩阵图的上部和下部显示散点图。hue使用列的类别为绘图着色。huesex设置为按不同的性别进行着色；paletteSet2Set2是颜色的一个系列。
　　条形图（Barplot）
　　条形图用于绘制分类列和数字列。它在可视化中创建了条形。让我们用性别创建一个totalbill的条形图，让我们看看哪类人支付更多。
　　sns。barplot（x，y，data）Barplot
　　sns。barplot（xsex，ytotalbill，datatips）
　　InferenceTotalBillAmountformalesismorethanFemales。
　　LetsPlotSmokerVsTotalBill：：Thepurposeistofindoutif
　　SmokerspaymorebillthanNonSmokers
　　sns。barplot（xsmoker，ytotalbill，datatips）
　　InferenceMoreBillforSmokers
　　LetsFindIfThereismoreBillInWeekendorWeekdays
　　sns。barplot（xday，ytotalbill，datatips）
　　Peopletendtovisitmoreonweekends
　　箱形图（Boxplot）
　　箱形图（Boxplot）是给定数据集的五点汇总统计的直观表示，五个数字摘要包括：Minimum最小值；FirstQuartile14值；Median（SecondQuartile）中位数；ThirdQuartile34值；Maximum最大值。
　　此外，值得注意的一点是，为分类连续变量创建了一个箱线图，这意味着如果x轴是分类的并且y轴是连续的，则应创建箱线图或小提琴图。
　　让我们从tips数据集创建一个day和totalbill的箱线图。
　　sns。boxplot（x，y，data）Boxplot
　　sns。boxplot（xday，ytotalbill，datatips）
　　Addhuetosplitthebarplot。Makingitmorefancier
　　sns。boxplot（xday，ytotalbill，datatips，huesmoker）
　　OnFridaypeoplehavemorebilliftheyareaNonsmokervssmoker
　　huesmoker：它为吸烟者和非吸烟者创造了一个箱线图。例如：在星期五的情况下，可以清楚地看到，与当天的吸烟者相比，非吸烟者的食物费用更多。ViolinPlots
　　sns。violinplot（xday，ytotalbill，datatips）
　　小提琴图跟箱形图有些类似。他们之间的描述可以参考下面的图示内容：
　　sns。lmplot是绘制一个在散点图中进行线性回归拟合的直线。它遵循普通的最小二乘法，线代表最佳拟合线。为了更好地理解这一点，建议进一步了解一下线性回归的相关知识。
　　代码如下：LMPLot
　　sns。lmplot（xtotalbill，ytip，datatips，hueday）
　　上图显示了不同日期的totalbill变量的线性回归拟合，如图例中所示，这是在sns。lmplot中使用hueday获得的。
　　恭喜！你已完成Seaborn初学者教程。希望这篇文章能够提供有关Seaborn的基本知识，并且可以帮助你创建所有这些图。作者：Lemon，气候变化及新能源领域从业者，跨界玩Python，秉承让数据更有价值的理念，希望能透过数据感知世界。
　　声明：本文为作者投稿，版权归其个人所有。