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()
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)
三个资料Q群下载不了也转发不了,先放这里Fine_tuning.zipLangChain.zipdata_clear.rar