扫码加入数据分析学习群

作为以 Matplotlib 为核心的可视化工具， Seaborn 库中的模块自带许多定制的主题和高级的接口，用于控制 Matplotlib 图表的外观。

在开始介绍 Seaborn 库的几项基本操作之前，我们先来回顾一下 Matplotlib 绘制的传统图表样式：

import matplotlib.pyplot as plt

plt.style.use('classic')

%matplotlib inline

import numpy as np

import pandas as pd

# 构建一些示例数据

rng = np.random.RandomState(0)

x = np.linspace(0, 10, 500)

y = np.cumsum(rng.randn(500, 6), 0)

# 基于 Matplotlib 默认配置绘制图像

plt.plot(x, y)

plt.legend('ABCDEF', ncol=2, loc='upper left');

接下来，我们导入 Seaborn 库，看看用同样的方式绘制出来的图表会有什么样的变化：

import seaborn as sns

sns.set()

1. # 使用与上述完全一致的绘图代码！
   

plt.plot(x, y)

plt.legend('ABCDEF', ncol=2, loc='upper left');

看起来，图表似乎瞬间就变得赏心悦目了。类似地， Seaborn 的样式调整还可以作用于 Matplotlib 中的其他图表，例如绘制一个带有 Seaborn 风格的直方图：

data = np.random.multivariate_normal([0, 0], [[5, 2], [2, 2]], size=2000)

data = pd.DataFrame(data, columns=['x', 'y'])



for col in 'xy':

    plt.hist(data[col], normed=True, alpha=0.5)

此外， Seaborn 库也自带有许多可以直接用于图像绘制的函数，如我们可以通过调用kdeplot函数来绘制样本的分布曲线：

for col in 'xy':

    sns.kdeplot(data[col], shade=True)