seaborn是matplotlib的補充包，提供了一系列高顏值的figure，并且集成了多種在線數據集，通過sns.load_dataset()進行調用，可供學習，如果網絡不穩定，可下載到本地，然后在調用的時候使用把cache設為True。
scatter_plot
官方的示例就很不錯，繪制了diamonds數據集中的鉆石數據。diamonds中總共包含十項數據，分別是重量/克拉、切割水平、顏色、透明度、深度、table、價格以及x、y、z方向的尺寸。
我們可以先來看看x和y方向的尺寸是否有一定的相關性
import seaborn as sns
import matplotlib.pyplot as plt
# 本地加載數據集
dia = sns.load_dataset("diamonds",data_home="seaborn-data", cache=True)
# 以上幾行代碼后面不再重復書寫
sns.scatterplot(x=dia["x"],y=dia["y"],size=5)
plt.show() #用于顯示圖片，后文就不寫了
其中x，y分別代表x軸和y軸數據，可見一般鉆石還是比較規則的。
官方畫廊繪制的圖像如下
這個圖的橫坐標是重量(克拉)，縱坐標是價格，我們發現鉆石商人大多有強迫癥，因為2.0克拉、1.5克拉、1.0克拉這種整十整五的鉆石比周圍重量的鉆石更多。。。
f, ax = plt.subplots(figsize=(6.5, 6.5))
sns.set_theme(style="whitegrid")
sns.despine(f, left=True, bottom=True)
clarity = ["I1", "SI2", "SI1", "VS2", "VS1", "VVS2", "VVS1", "IF"] #顏色深淺的順序
sns.scatterplot(x="carat", y="price", #聲明x軸和y軸的值
hue="clarity", size="depth", #clarity和depth分別調控顏色和尺寸
palette="ch:rot=-.2,d=.3_r", #調色板
style_order=clarity,sizes=(1,10), #顏色標識的順序和尺寸范圍
linewidth=0,data=dia, ax=ax)
plt.show()
首先，set_theme用于設置主題，其中style可以輸入字符串或者字典，可調整主題風格。
其次，palette代表顏色映射，當其輸入值為字符串時，其含義為
| 縮寫 | 取值范圍 | ||
|---|---|---|---|
| start | s | [0,3] | 漸變始點顏色 |
| rot | r | 用于調控色相 | |
| gamma | g | 不小于0 | 小于1時，提高暗部；大于1時，加強高光 |
| hue | h | [0,1] | Saturation of the colors. |
| dark | d | [0,1] | 最暗處的強度 |
| light | l | [0,1] | 最亮處顏色的強度 |
sizes用于調整點的尺寸，當設置size時，將size中的值對應到ssizes中從而繪圖。
我們注意到鉆石屬性中有一個是切割水平，那么接下來繪制一下切割水平和價格的關系。
fig, ax = plt.subplots(figsize=(6.5, 6.5))
sns.set_theme(style="whitegrid")
sns.despine(fig, left=True, bottom=True)
sns.scatterplot(data = dia, x="carat", y="price",
style="cut",hue="cut",
linewidth=0)
plt.show()
果然把漸變顏色去掉之后顏值狂掉，但同時可以發現，這個very good顯然不是最好的切割等級，畢竟在3.0克拉級別的鉆石中，有一顆very good級別的鉆石買到了最低價。GIA評估的鉆石等級為Excellent，Very Good，Good，Fair到最差Poor，可能在這個數據集中，ideal就代表了Excellent吧。
lmplot
如果想更準確地觀察cut對鉆石價格的影響，可以通過lmplot在散點圖的基礎上繪制一個趨勢線出來。
sns.lmplot(data=dia, x="carat", y="price",hue="cut",markers = ".") plt.show()
這樣一看就發現果然ideal的鉆石是最好的。
jointplot
以上諸圖，都是消費者最關心的問題――價格、尺寸以及透明度等。但商家最關心的可能是價格、重量與銷售量的關系，這就涉及到一個分布的問題。而seaborn提供了一個非常好的雙變量關系圖――jointplot，效果如下
可見，還是便宜的鉆石比較火爆，代碼分別為
# 左圖代碼 sns.jointplot(data=dia, x="carat", y="price",xlim=(0,3),ylim=(0,17500), ratio=10,kind="hex",color="#4CB391") # 右圖代碼 sns.jointplot(data=dia, x="carat", y="price",hue="cut", xlim=(0,3),ylim=(0,17500), ratio=10,marker=".")
其中，kind用于更改圖像的風格，sns提供了六種風格："scatter" "kde" "hist" "hex" "reg" "resid"。
以上就是Python編程使用matplotlib挑鉆石seaborn畫圖入門的詳細內容，更多關于matplotlib挑鉆石seaborn畫圖入門的資料請關注服務器之家其它相關文章！
原文鏈接：https://blog.csdn.net/m0_37816922/article/details/120884878
