今天小编就为大家分享一篇python中seaborn包常用图形使用详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

Numpy Pandas Matplotlib Seaborn都是进行机器学习数据分析的基本库。 NumPy（Numerical Python）是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix）），支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库 pandas 是基于NumPy 的一种工具，该工具是为解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。 Matplotlib 是一个 Python 的 2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。

主要介绍了Python-Seaborn热图绘制的实现方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

seaborn程序库在执行 `seaborn.load_dataset` 函数时需要从网站上下载的样本数据集，包括：sanagrams，anscombe，attention，brain_networks，car_crashes，diamonds，dots，dowjones，exercise，flights，fmri，geyser，glue，healthexp，iris，mpg，penguins，planets，seaice，taxis，tips，titanic等数十个经典分析数据表格（csv）。

数据科学教程：有关如何使用Python，Pandas，Seaborn，Numpy，Matplotlib，Scipy进行数据科学的教程

Python数据可视化-seaborn Seaborn属于Matplotlib的一个高级接口，为我们进行数据的可视化分析提供了极大的方便。 依赖程序及库一览 - Python 2.7+ or Python 3 - Pandas - Matplotlib - Seaborn - Jupyter Notebook(可选)

在“使用Python和Pandas进行数据清洗”系列的第七部分中，我们将探讨可视化选项。

Analysis_of_Smart_meter_readings_in_London 概述： 该分析的目的是了解伦敦的能源消耗模式。 该数据集包含5566户伦敦家庭及其2011年11月至2014年2月之间的能源消耗。每半小时读取一次每个家庭的读数。 英国的家庭已被划分为CACI ACORN（居住区分类）类别，这是英国人口的地理人口细分。 有6个此类。 这6个类别中的每一个都进一步分为几组，共18个组。 有关ACORN组的更多信息，请参见。 英国的能源价格计划分为两类：动态使用时间和标准。 动态使用时间计划的设置方式是，提前通知每个家庭其电价将高于或低于正常价格的特定时间-高（67.20p / kWh），低（3.99p / kWh）或正常（11.76p / kWh）。 标准计划全天保持不变的固定费率（14.228p / kWh）。 该数据集用于了解不同ACORN组之间的能耗模式。 初步

上一节主要学习了使用matplotlib模块绘制统计图。这一节主要学习使用pandas, seaborn等模块绘制统计图。 使用pandas绘制统计图   pandas模块提供了一个可以作用于序列和数据框的函数plot()，简化了基于序列和数据框中的数据创建图表的过程。plot()函数默认创建折线图，我们可以通过设置参数kind来创建其他类型的图表。   除了使用matplotlib模块创建标准统计图，还可以使用pandas模块可以创建其他类型的统计图，例如六边箱图（hexagonal bin plot）、矩阵散点图、密度图、Andrews曲线图、平行坐标图、延迟图、自相关图和自助抽样图。如果

写在开头：在该系列第一篇文章介绍了一下整体seaborn对于画图整体风格与比例的调控，今天开始分享一下seaborn对于颜色的设计。该文章参考文献主要为学习路远老师的seaborn教程，会在结尾放上链接。 上节回顾：上一节分享了Seaborn绘图的整体颜色与风格比例调控，可点击链接查看。python数据可视化之Seaborn（一） Seaborn可视化内容安排 在Seaborn的学习中安排如下， 一、画风设置：会简单介绍一下绘图风格（一）与颜色风格（二）的设置； 二、绘图技巧：这里会介绍数据集（三）、相关数据（四）、分类数据（五）、线性关系（六）可视化的相关内容； 三、结构网络：本节主要介绍数