多应用+插件架构,代码干净,二开方便,首家独创一键云编译技术,文档视频完善,免费商用码云13.8K 广告
# Seaborn > 原文:[https://www.bookbookmark.ds100.org/ch/20/ref_seaborn.html](https://www.bookbookmark.ds100.org/ch/20/ref_seaborn.html) ``` # HIDDEN # Clear previously defined variables %reset -f # Set directory for data loading to work properly import os os.chdir(os.path.expanduser('~/notebooks/20')) ``` | 功能 | 第章 | 说明 | | --- | --- | --- | | [`sns.lmplot(x, y, data, fit_reg=True)`](https://seaborn.pydata.org/generated/seaborn.lmplot.html) | 数据可视化 | 从数据帧`data`创建`x`对`y`的散点图,默认情况下覆盖最小二乘回归线 | | [`sns.distplot(a, kde=True)`](https://seaborn.pydata.org/generated/seaborn.distplot.html) | Data Visualization | 创建`a`的柱状图,默认情况下覆盖一个内核密度估计量 | | [`sns.barplot(x, y, hue=None, data, ci=95)`](https://seaborn.pydata.org/generated/seaborn.barplot.html) | Data Visualization | 从数据帧`data`创建`x`对`y`的条形图,可以选择基于`hue`对数据进行因子分解,默认情况下绘制 95%的置信区间(可使用`ci=None`关闭)。 | | [`sns.countplot(x, hue=None, data)`](https://seaborn.pydata.org/generated/seaborn.countplot.html) | Data Visualization | 创建一个从数据框`data`中选择的变量`x`的值计数的条形图,可以选择由分类变量`hue`分解。 | | [`sns.boxplot(x=None, y, data)`](https://seaborn.pydata.org/generated/seaborn.boxplot.html) | Data Visualization | 从数据帧`data`创建`y`的箱线图,也可以通过分类变量`x`进行因子分解。 | | [`sns.kdeplot(x, y=None)`](https://seaborn.pydata.org/generated/seaborn.kdeplot.html) | Data Visualization | 如果`y=None`,则创建一个单变量密度图`x`;如果指定了`y`,则创建一个双变量密度图。 | | [`sns.jointplot(x, y, data)`](https://seaborn.pydata.org/generated/seaborn.jointplot.html) | Data Visualization | 将数据帧`data`中`x`与`y`的双变量散射图与轴上覆盖的每个变量的单变量密度图相结合。 | | [`sns.violinplot(x=None, y, data)`](https://seaborn.pydata.org/generated/seaborn.violinplot.html) | Data Visualization | 绘制变量`y`的组合箱线图和核密度估计量,可选择由从数据帧`data`中选择的分类变量`x`分解。 |