Python数据可视化：入门、实践、进阶》之seaborn数据可视化

1

seaborn常用绘图函数介绍seaborn的主要思想是它提供高级命令来创建各种用于统计数据探索的绘图类型，甚至是一些统计模型拟合

2

seaborn绘制直方图与和密度图seaborn是在matplotlib的基础上，侧重数据统计分析图表的绘制，包括带误差线的柱状图和散点图、箱形图、小提琴图、一维和二维的统计直方图和核密度图等。

3

seaborn绘制箱线图使用seaborn的boxplot函数可以快速绘制分组箱线图。

4

seaborn绘制小提琴图小提琴图是“箱线图”与“核密度图”的结合，箱线图展示了分位数的位置，小提琴图则展示了任意位置的密度，通过小提琴图可以知道那些位置的密度较高；可以通过seaborn模块的violinplot函数实现。

5

seaborn绘制线性相关图seaborn模块的lmplot函数可以探索变量间的关系，在绘制散点图的同时添加线性拟合线；lmplot默认参数是线性拟合，order参数设置高阶拟合，robust参数设置抗噪声鲁棒性，logistic参数设置拟合曲线是logistic。

6

seaborn绘制带误差棒的柱状图seaborn模块的barplot函数可以绘制条形图。

7

seaborn绘制散点图矩阵当数据集变量不仅有两个时，想绘制两两变量间的散点图，查看各变量间的关系，此时可以借助散点图矩阵来实现，这对于探索多维数据之间的相关性非常有用；可以用pairplot函数实现。

8

seaborn绘制热力图可以借助seaborn模块中的heatmap函数，完成热力图的绘制。

9

seaborn绘制分面板图形有时候，需要根据分类变量对数据进行分面板绘制栏栅图，searborn的FacetGrid函数使这非常简单。类似于R语言lattice包的绘图效果。

10

seaborn绘制联合分布图形类似于我们之前看到的散点图矩阵，我们可以使用sns.jointplot显示不同数据集之间的联合分布，以及相关的边缘分布。

11

实战：电信用户流失数据可视化案例讲解

12

实战：电信用户流失数据可视化-数据导入及处理

13

实战：电信用户流失数据可视化-用两种方式绘制柱状图

「仅限付费用户」点击下载“实战案例：电信用户流失数据可视化.pdf”

14

实战：电信用户流失数据可视化-绘制环形图

「仅限付费用户」点击下载“seaborn数据可视化.pdf”

15

实战：电信用户流失数据可视化-绘制多个子图

「仅限付费用户」点击下载“代码及数据.rar”