Python Seaborn 庫

Seaborn 是 Python 中圖形統計繪圖可視化的驚人庫之一。Seaborn 提供了許多調色板和默認的漂亮樣式，使 Python 中許多統計圖的創建更具吸引力。

Python Seaborn 庫的目標

Seaborn library 旨在使理解和探索數據的中心部分更具吸引力。它建立在 matplotlib 庫的核心之上，還提供面向數據集的 API。

Seaborn 還與 Panda 的數據結構緊密集成，這樣，我們可以輕鬆地在給定變量的各種不同視覺表示之間跳轉，以更好地理解所提供的數據集。

Python 的 Seaborn 庫中地塊的類別

圖通常用於可視化給定變量之間的關係。這些變量可以是一個類別，如組、部門或類，也可以完全是數字變量。我們可以使用 Seaborn 庫創建各種不同類別的地塊。

在 Seaborn 庫中，我們創建的情節分為以下不同類別:

• 分布圖:這種類型的圖用於檢查兩種類型的分布，即單變量和雙變量分布。
• 關係圖:這種類型的圖用於理解兩個給定變量之間的關係。
• 回歸圖:Seaborn 庫中的回歸圖主要是為了增加一個額外的視覺指南，有助於在分析探索性數據時強調數據集模式。
• 分類圖:分類圖用於處理變量的類別以及我們如何可視化它們。
• 多圖格網:多圖格網也是一種類型的圖，一種有用的方法是用單個數據集的不同子集為同一圖繪製多個實例。
• 矩陣圖:矩陣圖是散點圖的一種陣列。

為 Python 安裝 Seaborn 庫

在這裡，我們將學習如何為 Python 安裝 Seaborn 庫。安裝完 Seaborn 庫之後，我們可以將其導入到我們的 Python 程序中，並在 Python 中使用。

pip install seaborn

海底生物庫所需的依賴項或先決條件:

我們一定有，

• Python 安裝了最新版本(3.6+)。
• Numpy 必須安裝 1.13.3 版或更高版本。
• SciPy 必須安裝 1.0.1 或更高版本。
• 必須有 0.22.0 或更高版本的 panda 庫。
• statsmodel 庫必須安裝 0.8.0 或更高版本。
• 並且應該在 2.1.2 或更高版本中安裝 matplotlib。

現在，我們將了解一些基本的繪圖示例，我們可以使用 Seaborn 庫在 Python 中繪製這些示例。

使用海底庫繪製圖表

1.線圖:

海伯恩線是海伯恩圖書館裡展示的最基本的地塊之一。我們使用海底線圖主要是為了以某種時間序列的形式可視化給定的數據，即以相對於時間的連續方式。

示例-

# Importing seaborn library in program
import seaborn as sns
# Importing mataplotlib library to show graph in output
import matplotlib.pyplot as plt
# Setting style with set() function
sns.set(style="dark")
# Using dataset() function to declare data type
FMR = sns.load_dataset("fmri")
# Plotting various responses for different\
# Regions and events
sns.lineplot(x="timepoint",
             y="signal",
             hue="region",
             style="event",
             data=FMR) # using lineplot() function to create line plot
plt.show() # using show() function

輸出:

說明:在上面的代碼中，將數據集設置為 fmri 類型並設置了線圖的樣式後，我們使用 lineplot() 函數在輸出中繪製線圖。

2. 區塊圖：

我們使用海底距離圖繪製直方圖，結果是給定的變量和數據。我們可以使用距離圖繪製直方圖和其他變化，例如 rugplot 和 kdeplot。

示例-

# importing numpy as np library module
import numpy as np
# Importing seaborn library in program
import seaborn as sns
# Importing mataplotlib library to show graph in output
import matplotlib.pyplot as plt
# Selecting style for boxplot with set() function
sns.set(style="white")
# Generate a random univariate type distribution
ru = np.random.RandomState(10)
d = ru.normal(size=100)
# Plotting a simple histogram with kdeplot variation
sns.histplot(d, kde=True, color="m")
plot = sns.histplot(d, kde=True, color="m")
print(plot)
plt.show() # using show() function

輸出:

3.Lmplot:

Lmplot 是海伯恩圖書館的另一個基本地塊。Lmplot 顯示了一條線，代表一個線性回歸模型，數據點位於給定的二維(2-D)空間中。在這個二維空間中，我們可以將 x 和 y 變量分別設置為垂直和水平標籤。

示例-

# Importing seaborn library in program
import seaborn as sns
# Importing matplotlib library to show graph in output
import matplotlib.pyplot as plt
# Using set() function to set style
sns.set(style="ticks")
# Using dataset() function
ds = sns.load_dataset("anscombe")
# Showing results in the form of linear regression
sns.lmplot(x="x", y="y", data=ds)

plot = sns.lmplot(x="x", y="y", data=ds)
print(plot)
plt.show() # using show() function

輸出:

<seaborn.axisgrid.FacetGrid object at 0x000002182DC89070>