今天就跟大家聊聊有关如何进行seaborn的使用，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
网页设计是网站建设的前奏，好的网页设计更深度的剖析产品和设计风格定位，结合最新的网页设计流行趋势，与WVI应用标准，设计出具企业表现力，大器而深稳的网站界面设。成都创新互联于2013年创立,是成都网站建设公司:提供企业网站设计,高端网站设计,营销型企业网站建设方案,成都响应式网站建设,微信小程序开发,专业建站公司做网站。
seaborn 是基于matplotlib开发的，提供更高一级的接口，做出的可视化图更加具有表现力。
下面介绍 seaborn 库的入门使用方法，首先导入它和 pyplot 模块：
重庆分公司
重庆分公司
import matplotlib.pyplot as plt
import seaborn as sns
它里面内置了一些经典数据集，如tips, titanic, iris等，下面依次导入：
tips = sns.load_dataset("tips")
titanic = sns.load_dataset("titanic")
iris = sns.load_dataset("iris")
以titanic 为例，绘制factorplot 图，展示 sex(男、女)，不同阶层(1,2,3)的 survived比率：
sns.factorplot(x="pclass", y="survived", hue="sex",data=titanic)
还可以定制 pointplot 图， 调整 markers，linestyles 等参数：
sns.pointplot(x="class", y="survived", hue="sex", data=titanic,
palette={"male":"g","female":"m"},markers=["^","o"],linestyles=["-","--"])
不同阶层下，不同性别的存活比率 barplot 图：
sns.barplot(x="sex",y="survived", hue="class", data=titanic)
统计deck枚举值不同取值的出现频次countplot图：
sns.countplot(x="deck", data=titanic, palette="Greens_d")
箱形图观察数据分布规律：
sns.boxplot(x="alive", y="age",hue="adult_male",data=titanic)
关于 seaborn 使用，有一张 cheetsheet 图，如下所示：
看完上述内容，你们对如何进行seaborn的使用有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注创新互联行业资讯频道，感谢大家的支持。
