统计数据可视化工具包：Seaborn

什么是Seaborn？Seaborn是基于matplotlib的，面向统计数据可视化的，拥有更加好用易用的高抽象级别封装API的Python工具包。在做数据研究、分析和建模的时候，先把数据可视化，可以帮助你更好的探索和理解数据。

Seaborn接受的数据类型是：Pandas的dataframe和Numpy的array

Seaborn的显示函数分为三类： “relational”, “distributional”, and “categorical” Seaborn的显示函数

Seaborn最常用的函数是displot，即可视化数据分布方式，通过观察数据分布方式，可以了解到数据的主要趋势是什么？它们是否严重偏向一个方向？是否有双峰证据？有明显的离群值吗？先从一个最简单的范例说起

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

np.random.seed(0)
height = np.random.uniform(low=150, high=190, size=1000).reshape(-1, 1)
weight = np.random.normal(loc=70, scale=10, size=1000).reshape(-1, 1)
data = np.concatenate((height, weight), axis=1)
df = pd.DataFrame(data, columns=['height', 'weight'])

sns.set()  #切换到sns的默认运行配置,不切换图像就很丑
sns.displot(data=df)
plt.show()

全默认设置

• 参数kde (kernel density estimate，核密度估计），控制是否显示kde

sns.displot(data=df,kde=True)
plt.show()

kde=True

• 参数kind指定：“hist”：直方图；“kde”：核密度估计； “ecdf”：“hist”, “kde”, “ecdf”: 累积分布函数 参数kind

• 查看两个变量之间的关系

sns.displot(data=df, x='height', y ='weight',kind='kde')

查看两个变量之间的关系

Seaborn还有其它函数，参考上述方式，一边学习，一边测试即可。