本文来源公众号“萝卜大杂烩”，仅用于学术分享，侵权删，干货满满。
原文链接：快速掌控seaborn
-
Matplotlib绘制一张美图需要很多参数调整，于是就出现了high-level版的Seaborn，几行代码即可输出美美的图形，那么Seaborn是如何做到的？
-
Seaborn主要有两种图形实现方法Figure水平「下图绿色格子中所有方法，如jointplot、JointGrid」、Axes水平「如stripplot、swarmplot等」，本文梳理Seaborn主要结构，助快速掌控Seaborn👇
Seaborn Overview
Figure水平方法
此时，通过seaborn.axisgrid.FacetGrid对象作图，以displot为例，
-
单个图
import seaborn as sns
import pandas as pd
penguins = sns.load_dataset("penguins")#导入数据
g = sns.displot(data=penguins,
x="flipper_length_mm",
hue="species",
multiple="stack",
kind="hist")#一行代码出图
sns.set(style='whitegrid', font_scale=1.2)
print(type(g))
<class 'seaborn.axisgrid.FacetGrid'> # 注意此处g对象类型
-
多子图
Figure水平多子图一行代码搞定，
sns.displot(data=penguins, x="flipper_length_mm", hue="species", col="species")
-
矩阵图 (pairplot)
sns.pairplot(data=penguins, hue="species")
-
矩阵图 (PairGrid)
PairGrid可使矩阵图更加个性化，
g = sns.PairGrid(penguins, diag_sharey=False)
g.map_upper(sns.scatterplot) #右上角做散点图
g.map_lower(sns.kdeplot) #左下角做等高线图
g.map_diag(sns.histplot) #中间做直方图
Axes水平方法
此时，直接在matplotlib.axes._subplots.AxesSubplot对象上作图，以hisplot为例，
-
单个图
import seaborn as sns
import pandas as pd
penguins = sns.load_dataset("penguins")
g = sns.histplot(data=penguins,
x="flipper_length_mm",
hue="species",
multiple="stack")
sns.set(style='whitegrid', font_scale=1.2)
print(type(g))
\<class matplotlib.axes._subplots.AxesSubplot> # 注意此处g对象类型
-
多子图
比较繁琐，
import matplotlib.pyplot as plt
f, axs = plt.subplots(1,
2,
figsize=(8, 4),
gridspec_kw=dict(width_ratios=[4, 3]))
sns.scatterplot(data=penguins,
x="flipper_length_mm",
y="bill_length_mm",
hue="species",
ax=axs[0])
sns.histplot(data=penguins,
x="species",
hue="species",
shrink=.8,
alpha=.8,
legend=False,
ax=axs[1])
f.tight_layout()
-
从上面实例可知，在简单图形上，Figure方法和Axes方式结果几乎一样，在多子图绘制时，Figure水平优势明显;
-
相比于jointplot/pairplot，JointGrid/PairGrid可以更个性化。
-
本文简要介绍了Seaborn的主要方法，详细可参考历史文章及官网。
THE END !
文章结束，感谢阅读。您的点赞，收藏，评论是我继续更新的动力。大家有推荐的公众号可以评论区留言，共同学习，一起进步。
