它是什么 Python包可选择性地计算统计测试并在seaborn生成的现有箱线图/条形图上添加统计注释。 特征 单一功能，可在由seaborn箱图生成的现有箱图/条图上添加统计注释。 综合统计测试（绑定到scipy.stats方法）： 曼·惠特尼 t检验（独立和配对） 韦尔奇t检验 列文测试 Wilcoxon检验 Kruskal-Wallis检验 具有正确y偏移量的多个注释的智能布局。 批注可以位于图的内部或外部。 可以定制统计测试注释的格式：星形注释，简化的p值或显式p值。 可选地，可以将自定义p值作为输入。 在这种情况下，不执行统计检验。 安装 可以从PyPI安装最新的稳定版本： pip install statannot 您可能想要使用Github的开发版本： pip install git + https : // github . com / webermarc

提供给seaborn的演示数据

用于NBA球员案例分析的数据

Seaborn 是一个基于 matplotlib 的 Python 数据可视化库。 它提供了一个用于绘制有吸引力和信息丰富的统计图形的高级界面。 Seaborn 可帮助您探索和理解您的数据。 它的绘图功能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语义映射和统计聚合以生成信息图。 其面向数据集的声明式 API 让您可以专注于绘图的不同元素的含义，而不是如何绘制它们的细节。 在幕后，seaborn 使用 matplotlib 绘制绘图。 对于交互式工作，建议在 matplotlib 模式下使用 Jupyter/IPython 接口，否则您必须在想要查看绘图时调用 matplotlib.pyplot.show()。

Seaborn 可实现对统计数据的可视化展示，基于 Python 语言开发，使用 matplotlib 库。要求：Python 2.7 or 3.3     标签：Seaborn

python数据分析

seaborn数据集

可视化库Seaborn案例代码

gihub地址 https://github.com/mwaskom/seaborn-data ，如果各位能打开这个地址可从这里下载。 此存储库的存在只是为了为seaborn.load_dataset函数从中下载示例数据集。不知为何官网不能加载了，所以从github上下载了一份，提供各位使用。它的存在使得记录seaborn变得很容易，而不需要花费时间来加载和咀嚼数据，从而避免混淆。如果这些数据集对seaborn文档不再有用，它们可能随时更改或删除。一些数据集也从它们的标准来源进行了修改。

无涯教程网(learnfk)整理提供:Seaborn是BSD许可的开源Python库,提供了高级API用于实现可视化数据。