Python数据可视化模块：Seaborn（一）

2019年8月19日 94次阅读 来源: tomliu

原文链接：http://web.stanford.edu/~mwaskom/software/seaborn/tutorial/aesthetics….

管理图表的艺术

画一个吸引人注意的图表相当重要。当你探索一个数据集，需要画图表，图表看起来令人愉悦是件很高兴的事。在与你的观众交流观点时，可视化同样重要，同时，也很有必要去让图表吸引注意力和印入脑海里。Matplotlib自动化程度非常高，但是，掌握如何设置系统以便获得一个吸引人的图是相当困难的事。为了控制matplotlib图表的外观，Seaborn模块自带许多定制的主题和高级的接口。

%matplotlib inline

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
np.random.seed(sum(map(ord, "aesthetics")))

让我们先定义一个函数用来画正弦函数，这将帮助我们了解我们可以控制的不同风格的参数

def sinplot(flip=1):
    x = np.linspace(0, 14, 100)
    for i in range(1, 7):
        plt.plot(x, np.sin(x + i * .5) * (7 - i) * flip)

默认情况下matplotlib的画的图是这样的：
《Python数据可视化模块：Seaborn（一）》

转换成Seaborn模块，只需要引入seaborn模块。

import seaborn as sns
sinplot()

《Python数据可视化模块：Seaborn（一）》

seaborn默认浅灰色背景与白色网络线的灵感来源于matplotlib，却比matplotlib的颜色更多柔和。我们发现，网络线对于传播信息很有用，几乎在所有情况下，人们喜欢图甚于表。默认情况下白灰网格的形式可以避免过于刺眼。在多面作图的情况下，网络形式显得相当的有利，提供了一种作图结构，这对模块中的一些复杂工具非常重要。

seaborn将matplotlib的参数划分为两个组。第一组控制图表的样式和图的度量尺度元素，这样就可以轻易在纳入到不同的上下文中。

操控这些参数由两个函数提供接口。控制样式，用axes_style()和set_style()这两个函数。度量图则用plotting_context()和set_context()这两个函数。在这两种情况下，第一组函数返回一系列的参数，第二组则设置matplotlib的默认属性。

图样式函数axes_style()和set_style()

    原文作者：tomliu
    原文地址: https://segmentfault.com/a/1190000002789457
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞