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
- pip 安装：
pip install seaborn - 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）：
| 参数值 | 说明 |
|---|---|
| darkgrid | 深色网格主题（默认） |
| whitegrid | 浅色网格主题 |
| dark | 深色主题，无网格 |
| white | 浅色主题，无网格 |
| ticks | 深色主题，带刻度标记 |
context 参数（适用场景，影响标签和线条大小）：
| 参数值 | 说明 |
|---|---|
| paper | 适用于小图，标签和线条较小 |
| notebook | 适用于笔记本环境，标签和线条中等（默认） |
| talk | 适用于演讲幻灯片，标签和线条较大 |
| poster | 适用于海报，标签和线条非常大 |
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()