Seaborn(sns)官方文档学习笔记（第一章 艺术化的图表控
2017-06-16 本文已影响175人
未禾盐
一直苦于没有系统学习seanborn的教程，似乎市面上也还没有完整的官方文档的学习资料。终于下决心用几天的时间通读下官方文档，并把记录下来。
基于官方0.71版本，所有代码和图片皆已验证，与官方结论不符的地方会进行标注。如果有翻译失当或理解有误的地方，敬请随意指正！
第一章 艺术化的图表控制
一个引人入胜的图表非常重要，赏心悦目的图形不但能让数据探索中一些重要的细节更容易被挖掘，也能更有利于在与观众交流分析结果的过程中吸引观众的注意力并使观众们更容易记住结论。
Matplotlib无疑是高度可定制的，但快速实施出吸引人的细节就变得有些复杂。Seaborn作为一个带着定制主题和高级界面控制的Matplotlib扩展包，能让绘图变得更轻松，本部分主要介绍seaborn是如何对matplotlib输出的外观进行控制的。
%matplotlib inline
#jupyter notebook 中的魔法函数，如果不是使用该软件请使用plt.show()用于显示图像
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
np.random.seed(sum(map(ord,"aesthetics"))) # 定义种子
定义一个含偏移的正弦图像，来比较传统的matplotlib和seaborn的不同：
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)
使用matplotlib默认设置的图形效果：
sinplot()
sns.set_style("white")
sinplot()
一些图的边框可以通过数据移位，当然调用despine()也能做同样的事。当边框没有覆盖整个数据轴的范围的时候，trim参数会限制留存的边框范围。
f, ax = plt.subplots()
sns.violinplot(data=data)
sns.despine(offset=10, trim=True); # offset 两坐标轴离开距离；
通过观察各种样式的结果，你应当可以了解context函数
类似的，还可以使用其中一个名称来调用set_context()来设置参数，您可以通过提供参数值的字典来覆盖参数。
通过更改context还可以独立地扩展字体元素的大小。(这个选项也可以通过顶级set()函数获得）。
sns.set_context("notebook", font_scale=1.5, rc={"lines.linewidth": 2.5})
sinplot()
类似地(尽管它可能用处不大)，也可以使用with嵌套语句进行临时的设置。
样式和上下文都可以用set()函数快速地进行配置。这个函数还设置了默认的颜色选项，在下一节将详细介绍这一功能。
【第一章 完】
