seaborn可视化视频简介

内容提要

内容概述：本文简要介绍了 seaborn 的绘图函数，也是我制作的 seaborn 视频教程的开头部分。详细示例讲解，欢迎收看视频：一小时带你掌握seaborn可视化。

Seaborn 是 Python 的一个统计分析的绘图库，它基于 matplotlib，同时其中的函数又能很好地与 pandas 交互。我们用机器学习方法来分析和解决问题时，一般会采用如图1所示的流程。其中，很重要的一步就是探索性数据分析（ EDA ）。在这一步中，通常会把分析结果可视化，这样既利于自己观察规律，也可以更好地向别人阐述数据的特征。

图1 机器学习问题解决流程

作为初学者，我们常常羡慕高手们绘制的各种美观清晰的图，然而一到自己实践时，往往只会依葫芦画瓢，有时不知道画什么图好，怎样才能更好地分析和展示数据的特征。我依据待分析的变量特点，总结了 seaborn 常用的绘图函数。

seaborn 的绘图函数结构

首先，我们有必要了解一下 seaborn 的绘图函数。seaborn 中有两种绘图函数：

• 轴绘制函数 ( axes-level functions )，这一类函数把数据绘制到一个 matplotlib 的对象 matplotlib.pyplot.Axes ；

• 图绘制函数 ( figure-level functions )，这一类函数是通过一个 seaborn 对象（通常是 FacetGrid ）与 matplotlib 交互。

图2 seaborn绘图函数

如图2所示， seaborn 的绘图函数可以划分为四类，每一类子模块都有一个图绘制函数，它聚合了对应的轴绘制函数的功能，并提供了统一的函数界面。我们只要在图绘制函数中设置 ”kind” 参数，就可以实现不同的轴绘制函数功能。而轴绘制函数呢，胜在灵活，如果我们简单绘制变量分布或变量关系，这两种函数都可以使用。但是，如果需要在一幅图中叠加绘制多个变量，或是后面我们看到的设置 FacetGrid、PairGrid 的子图绘制函数，就要使用轴绘制函数。

我制作了一个 seaborn 的视频教程：一小时带你掌握seaborn可视化，在 Jupyter Notebook 中结合数据集例子介绍了上面这几类 seaborn 函数及应用。内容提纲如图3所示，欢迎收看！

视频配套示例代码在哪里？代码的github地址

图3 seaborn可视化教程提纲