|
1、制作画布
fig, axs = plt.subplots(2, 1, figsize=(8, 8))生成1列2行的画布
seaborn中使用axs序列应用到画布上
sns.kdeplot(x[c],ax=axs[0])
# ax2=plt.subplots(122)
sns.histplot(x[c],ax=axs[1])
2、seaborn自生成多画布
（1）、分类制作关联散点图
g = sns.FacetGrid(tips,col=“sex”,hue=“smoker”,size=5,aspect=1)
g.map(plt.scatter,“total_bill”,“tip”,alpha=0.3,s=100)#alpha指定点的透明度，s指定点的大小
g.add_legend()#添加图例
col：分类的图的画布分布
hue：分类的颜色
map：关联图表的内容
g = sns.FacetGrid(tips,col=“day”,size=4,aspect=0.8)
g.map(sns.barplot,“sex”,“total_bill”)
（2）、sns.PairGrid()：将各变量间的关系成对绘制。
iris = sns.load_dataset(“iris”)
g = sns.PairGrid(iris)
g.map(plt.scatter)
2.1g.map_diag()和g.map_offdiag()：绘制对角线和非对角线的图形
g = sns.PairGrid(iris)
g.map_diag(plt.hist) #指定对角线绘图类型
g.map_offdiag(plt.scatter) #指定非对角线绘图类型
g = sns.PairGrid(iris, vars=[“sepal_length”, “sepal_width”], hue=“species”,size=3)
g.map(plt.scatter)
选取特定字段生成关系图
g = sns.PairGrid(tips, hue=“size”, palette=“GnBu_d”)
g.map(plt.scatter, s=50, edgecolor=“white”)
g.add_legend()
指定颜色的分布
3、sns.heatmap()：绘制热度图，热度图可以很清楚看到数据的变化情况以及变化过程中的最大值和最小值。
uniform_data = np.random.rand(3, 3)
print (uniform_data)
heatmap = sns.heatmap(uniform_data)
ax = sns.heatmap(uniform_data,vmin=0.2,vmax=0.5) #超过最大值都是最大值的颜色，小于最小值都是最小值的颜色
normal_data = np.random.randn(3, 3)
print (normal_data)
ax = sns.heatmap(normal_data, center=0) #center指定右侧图例的中心值
flights = sns.load_dataset(“flights”)
flights = flights.pivot(“month”, “year”, “passengers”)
ax = sns.heatmap(flights, annot=True,fmt=“d”,linewidth=0.5) #annot指定是否显示数据，fmt指定数据的显示格式,linewidth指定数据格子间的距离
ax = sns.heatmap(flights, cmap=“YlGnBu”,cbar=True) #cmap指定图形颜色，cbar表示是否绘制右侧图例。
4、Jointplot
sns.jointplot(x=x, y=y, kind=“hex”,color=‘r’)
|