Python | Seaborn绘图

  如果要画出子图，那么首先我们要调用matplot中的接口plt.subplots()，创建画布和坐标轴对象

import numpy as np
import pandas as pd
from scipy import stats, integrate
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.DataFrame({'cost':[388,24,152,63.2,224.6,26,69,70,138,213]})
fig,axes = plt.subplots(2，2) #返回一张画布fig和子图axes的列表，适用于大部分情况
sns.boxplot(data=df, ax=axes[0]) #第一个子图
sns.distplot(df,ax=axes[1]) #第二个子图

#方法二，分别创建画布和子图，适用于细节绘图
#创建子图
fig = plt.figure(figsize=(10,6))
ax = fig.add_subplot(221)
#绘制图例
ax.legend(loc='upper right',title='smoker') 

plt.subplots() #同时创建画布figure和坐标轴对象axe, 等价于fig,axes = plt.subplots(1,1)

Seaborn
sns.displot(df)	直方图，多用于连续型数据的直方分布
sns.pointplot(x, y, data)	折线+散点图
sns.boxplot()	箱线图
sns.barplot(x,y,data)	柱状图
sns.jointplot(x,y,data)	散点图+直方图+皮尔逊相关性sns.jointplot(x=‘sepal_size’, y=‘petal_size’, data=df[[‘sepal_size’,‘petal_size’]])
sns.lmplot(x,y,hue,data)	分类散点子图，与jointplot的区别为，可以增加分类项hue(即可以额外指定第三列数据作为分类项,类似Dataframe中的groupby)