Matplotlib和Seaborn演示Python可视化

数据可视化：就是使用图形图表等方式来呈现数据，图形图表能够高效清晰地表达数据包含的信息。

Seaborn是基于matplotlib，在matplotlib的基础上进行了更高级的API封装，便于用户可以更加简便地做出各种有吸引力的统计图表。

可以说，seaborn是matplotlib的很好补充，而且能够高度兼容numpy与pandas数据结构以及scipy与statsmodels等统计模式。

安装：pip install seaborn

seaborn的主要功能有：

• 内置主题
• 丰富的调色板，更好的显示数据信息
• 对变量分布进行了可视化
• 数据矩阵可视化，并使用聚类算法发现这些矩阵中的结构
• 对自变量和因变量之间的线性回归结果进行可视化
• 绘制统计时间序列，并将其不确定性可视化
• 构建高级、抽象的网格图，可轻松将复杂问题可视化

Seaborn是一个在Python中制作有吸引力和信息丰富的统计图形的库。它建立在matplotlib之上，并与PyData堆栈紧密集成，包括支持来自scipy和statsmodels的numpy和pandas数据结构和统计例程。 Seaborn旨在将可视化作为探索和理解数据的核心部分。绘图函数对包含整个数据集的数据框和数组进行操作，并在内部执行必要的聚合和统计模型拟合以生成信息图。如果matplotlib“试图让事情变得简单容易和难以实现”，seaborn会试图使一套明确的方案让事情变得容易。 Seaborn可以认为是对matplotlib的补充，而不是它的替代品。在数据可视化方面能够很好的表现。

分类统计图

（1）统计柱状图barplot(均值和置信区间)
（2）灰度柱状图countplot
（3）点图pointplot(均值和置信区间)

分类散点图
当有一维数据是分类数据时，散点图成为了条带形状：
（1）航线图stripplot，设置参数添加抖动方法jitter=True(点的直接展示)
（2）生成蜂群图swarmplot，避免散点重叠(点的直接展示)

分类分布图
（1）箱式图boxplot：上下边缘、上下四分位数、中位数(近似分布)
（2.1）提琴图violinplot：箱式图 + KDE((近似分布))
（2.2）非对称提琴图：violinplot里的split=True参数

分类统计子图
（1）单分类标准的子图factorplot
（2）多分类标准的子图PairGrid

矩阵图