事前準備請看之前的文章0o0！

線圖

data = {'apple':[4,0,7,8],'orange':[3,5,6,7],'bananas':[6,4,5,3] } df = pd.DataFrame(data,index=['a','b','c','d']) df

plt.figure(dpi=150) sns.lineplot(data=df)#一列一條線

導入數據

tips = sns.load_dataset("tips") tips.head()

plt.figure(dpi=150) sns.lineplot(x= 'total_bill',y='tip',data=tips)

sns.lineplot(x = 'total_bill',y='tip',hue='sex',data=tips)

plt.figure(dpi=150) sns.lineplot(x = 'total_bill',y='tip',hue='sex',size='smoker',style='time',data=tips)

mpg_df = sns.load_dataset("mpg") mpg_df

g = sns.relplot(x="displacement",y="mpg",data=mpg_df)#默認散點圖

g = sns.relplot(x="displacement",y="mpg",col="cylinders",data=mpg_df)

g = sns.relplot(x="displacement",y="mpg",col="cylinders",row="origin",data=mpg_df)

• col_wrap=3 一行三個

g = sns.relplot(x="displacement",y="mpg",col="cylinders",hue="origin",col_wrap=3,data=mpg_df)

g = sns.relplot(x="displacement",y="mpg",col="cylinders",hue="origin",col_wrap=3,kind="line",data=mpg_df)

密度圖（雙變量）

n=1024 x = np.random.normal(0,1,n) y = np.random.normal(0,1,n) g = sns.kdeplot(x,y)

g = sns.kdeplot(x,y,shade=True)

連接圖

n=1024 x = np.random.normal(0,1,n) y = np.random.normal(0,1,n) g = sns.jointplot(x,y)

g = sns.jointplot(x,y,kind="reg")

g = sns.jointplot(x,y,kind="kde")

g = sns.jointplot(x,y,kind="hex")

熱力圖

df = pd.DataFrame(np.random.rand(10,10),columns=list('abcdefghij')) df

sns.heatmap(df)

• 可以改變顏色

sns.heatmap(df,cmap="Greens")

sns.heatmap(df,cmap="Greens",vmin=0,vmax=0.5)#設置最大值最小值

sns.heatmap(df,cmap="Greens",annot=True)

線性回歸圖

sns.regplot(x='total_bill',y = 'tip',data=tips)

分面網格線性回歸圖

sns.lmplot(x='total_bill',y = 'tip',hue='sex',data=tips,col='size',col_wrap=3)

分面網格繪制

g = sns.FacetGrid(mpg_df,col="origin") g.map(sns.distplot,"mpg")

g = sns.FacetGrid(mpg_df,col="origin") g.map(sns.kdeplot,"mpg")

總結

以上是生活随笔為你收集整理的如何用Seaborn描绘线图，分面网格关联图，密度图，连接图，热力图，线性回归图，分面网格绘图的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。