Seaborn中几种作图方式的比较

• 趋势
  • sns.pointplot - 点图 ，比折线图好使
  • sns.lineplot - 折线图最适合显示一段时间内的趋势，多条线可以用来显示多个组中的趋势。
• 关系 - 可以使用许多不同的图表类型来理解数据中变量之间的关系。

  • sns.pairplot - 超级有东西 ！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！

  • sns.barplot - 条形图用于比较不同组的数量。

  • sns.heatmap - 热图可用于在数字表中查找彩色编码的模式。
    heatmap 的输入必须是矩形数据集（DataFrame），常用的方式是使用 DataFrame.pivot方法来从原始数据集中选择数据建立矩形数据集. 例如:
    >>> temp = df.pivot(index=‘TV’, columns=‘Radio’, values=‘Sales’)
    >>> sns.heatmap(data=temp, annot=True )

  • sns.scatterplot - 散点图显示了两个连续变量之间的关系;如果用颜色编码，我们还可以显示与第三个分类变量的关系。

  • sns.regplot - 在散点图中包含一条回归线可以更容易地看到两个变量之间的任何线性关系。

  • sns.lmplot - 如果散点图包含多个颜色编码的组，此命令对于绘制多个回归线很有用。

  • sns.swarmplot - 分类散点图显示连续变量和分类变量之间的关系。

• 分布 - 我们将分布形象化，以显示我们期望在变量中看到的可能值，以及它们的可能性。
  • sns.distplot - 直方图表示单个数值变量的分布。
  • sns.kdeplot - KDE图(或2D KDE图)显示了单个数值变量(或两个数值变量)的估计、平滑分布。
  • sns.jointplot - 此命令对于同时显示2D KDE图以及每个单独变量对应的KDE图非常有用。