掌握Python Seaborn（统计可视化的强大利器）

安装与准备

首先，确保你已安装必要的库。打开终端或命令提示符，运行以下命令：

pip install seaborn matplotlib pandas numpy  

第一个 Seaborn 图表

我们以经典的“鸢尾花（Iris）”数据集为例，展示如何用 Seaborn 快速绘制散点图。这个数据集常用于 数据可视化教程 中。

import seaborn as snsimport matplotlib.pyplot as plt# 加载内置数据集iris = sns.load_dataset('iris')# 绘制散点图：花瓣长度 vs 花瓣宽度，按物种着色sns.scatterplot(data=iris, x='petal_length', y='petal_width', hue='species')# 显示图表plt.show()  

运行上述代码后，你会看到一个彩色散点图，不同颜色代表不同的鸢尾花种类。Seaborn 自动为分类变量（species）分配颜色，并添加图例，无需额外设置！

常用图表类型

以下是几种常见的 Seaborn绘图 类型及其用途：

1. 箱线图（Box Plot）

用于显示数据的分布和异常值：

sns.boxplot(data=iris, x='species', y='sepal_length')plt.title('萼片长度按物种分布')plt.show()  

2. 热力图（Heatmap）

非常适合展示相关性矩阵：

# 计算相关系数corr = iris.corr(numeric_only=True)# 绘制热力图sns.heatmap(corr, annot=True, cmap='coolwarm', center=0)plt.title('鸢尾花特征相关性热力图')plt.show()  

3. 分布图（Distribution Plot）

查看单个变量的分布情况：

sns.histplot(data=iris, x='sepal_width', kde=True)plt.title('萼片宽度分布')plt.show()  

自定义样式

Seaborn 提供了多种内置主题，如 'darkgrid'、'whitegrid'、'ticks' 等。你可以通过 sns.set_style() 来切换：

sns.set_style('whitegrid')sns.scatterplot(data=iris, x='petal_length', y='petal_width', hue='species')plt.show()  

总结

通过本 数据可视化教程，你应该已经掌握了使用 Python seaborn 进行基本 统计可视化 的方法。Seaborn 不仅简化了绘图过程，还让图表更具专业感。建议你多尝试不同的数据集和图表类型，逐步提升你的 Seaborn绘图 技能！

记住：好的可视化不仅能展示数据，更能讲出数据背后的故事。