说到python绘图，我们首先想到的库一定是matplotlib，但是随着大家眼光的提高，matplotlib绘制的图片逐渐“失宠”。今天我们来看看基于matplotlib的绘图库。——seaborn。
先来看看seaborn的官方说明:
- API面向数据集，用于检查多个变量之间的关系；
- 支持使用分类变量显示观察结果或汇总统计信息；
- 在数据子集之间比较可视化单变量或双变量分布的选项；
- 自动估计和绘制不同类型因变量而产生的线性回归模型；
- 复杂数据集的整体结构易于查看；
- 高级抽象用于构建多图网格，可以让您轻松构建复杂的可视化；
- 有几个内置主题 精确控制matplotlib图形样式。
导入数据
seaborn中有许多示例数据，我们选择了一个相对简单的数据集来开始我们对seaborn的解释。
importseabornassns
#dataframe类型加载数据集，sns加载数据集
flights_long=sns.load_dataset("flights")
flights_long.head()结果如下：
直方图
接下来，让我们先画一幅简单的直方图：
#直方图(数值型) #kde:是否有用于控制密度曲线(默认True) sns.distplot(flights_long['passengers'],kde=True)
让我们来看看更高端的统计直方图：
#统计直方图 sns.countplot(flights_long['years'])
让我们来看看显示数据分布的图形：
#rugplott显示数据的分布 sns.rugplot(flights_long['passengers'])
散点图
散点图可以很好地展示两个特征的属性值之间的关系，看看绘制散点图的代码：
sns.stripplot(x='year',y='passengers',data=flights_long)
以下是一种绘制散点图的方法，与上面不同的是，这种方法绘制了图中的点。 不会重叠。
sns.swarmplot(x='year',y='passengers',data=flights_long)
更多Python知识，请关注Python视频教程！！