【Python数据分析】超详细的可视化教程（二）：利用Seaborn进行静态图可视化

上一章matplotlib的教程：
准备工作：
import……

这和上期用一样的数据集

一、线图

用到的函数：lmplot() reg()
这两个函数相似参数结构：(x=,y=,data=)是必选项
他们的优点是：会直接将变量名作为xy轴标签
不同点：lm可以取消回归线但不能取消散点，reg能取消散点但不能取消对称
这一不同点恰好体现了他们的侧重点

为了看清楚散点，我们只选取前100个

dta=data[0:100]

sns.lmplot(x='average_montly_hours',y='satisfaction_level',data=dta)
#必备的要素：x=，y=，data=，而且要写全
plt.title("都有") #仍然使用mat来编辑附件
plt.savefig("sns_lm_both",bbox_inches='tight') 
#bbox_inches='tight' 让图片标题显示完
#猜测原因是mat与sns之间差异造成的

去掉回归线：

sns.lmplot(x='average_montly_hours',y='satisfaction_level',fit_reg=False,data=dta)
plt.title("fit_reg=False")
plt.savefig("sns_lm_sc",bbox_inches='tight')

regplot去掉散点：

sns.regplot(x='average_montly_hours',y='satisfaction_level',scatter=False,data=dta)
plt.title("scatter=False")
plt.savefig("sns_reg_sc",bbox_inches='tight')

二、直方图histplot

记录频数还有一个函数是countplot，但它已经与新版numpy不兼容，容易出现图例贴不上的情况，故舍弃
histplot有良好的性能，不算太丑的默认色彩，自动图例，多种堆叠方式

1.离散变量