Python數據可視化模塊：Seaborn（一）

原文連接：http://web.stanford.edu/~mwaskom/software/seaborn/tutorial/aesthetics....

管理圖表的藝術

畫一個吸引人注意的圖表至關重要。當你探索一個數據集，須要畫圖表，圖表看起來使人愉悅是件很高興的事。在與你的觀衆交流觀點時，可視化一樣重要，同時，也頗有必要去讓圖表吸引注意力和印入腦海裏。Matplotlib自動化程度很是高，可是，掌握如何設置系統以便得到一個吸引人的圖是至關困難的事。爲了控制matplotlib圖表的外觀，Seaborn模塊自帶許多定製的主題和高級的接口。

%matplotlib inline

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
np.random.seed(sum(map(ord, "aesthetics")))

讓咱們先定義一個函數用來畫正弦函數，這將幫助咱們瞭解咱們能夠控制的不一樣風格的參數

def sinplot(flip=1):
    x = np.linspace(0, 14, 100)
    for i in range(1, 7):
        plt.plot(x, np.sin(x + i * .5) * (7 - i) * flip)

默認狀況下matplotlib的畫的圖是這樣的：

轉換成Seaborn模塊，只須要引入seaborn模塊。

import seaborn as sns
sinplot()

seaborn默認淺灰色背景與白色網絡線的靈感來源於matplotlib，卻比matplotlib的顏色更多柔和。咱們發現，網絡線對於傳播信息頗有用，幾乎在全部狀況下，人們喜歡圖甚於表。默認狀況下白灰網格的形式能夠避免過於刺眼。在多面做圖的狀況下，網絡形式顯得至關的有利，提供了一種做圖結構，這對模塊中的一些複雜工具很是重要。

seaborn將matplotlib的參數劃分爲兩個組。第一組控制圖表的樣式和圖的度量尺度元素，這樣就能夠輕易在歸入到不一樣的上下文中。

操控這些參數由兩個函數提供接口。控制樣式，用axes_style()和set_style()這兩個函數。度量圖則用plotting_context()和set_context()這兩個函數。在這兩種狀況下，第一組函數返回一系列的參數，第二組則設置matplotlib的默認屬性。

圖樣式函數axes_style()和set_style()