seaborn的各plot函数简介

在notebook中，输入sns.*plot?可以查看所有plot函数，如下简介：

函数概览：

sns.barplot
sns.boxenplot
sns.boxplot
sns.catplot
sns.countplot
sns.distplot
sns.dogplot
sns.factorplot#过时，catplot代替
sns.jointplot
sns.kdeplot
sns.lineplot#ci参数表示置信度，也可以用“sd”表示标准差。有点像boxplot的味道了
sns.lmplot
sns.lvplot#过时，boxenplot代替
sns.miscplot#sns.miscplot.palplot(sns.color_palette())可以显示配色
sns.pairplot
sns.palplot#sns.palplot(sns.color_palette())可以显示配色
sns.pointplot
sns.regplot
sns.relplot
sns.residplot
sns.rugplot
sns.scatterplot
sns.stripplot
sns.swarmplot
sns.tsplot
sns.violinplot

# 以下只列出常用参数

# 关联图，感觉不如catplot
sns.relplot(
    x=None,
    y=None,
    hue=None,
    data=None,
    row=None,
    col=None,
    kind='scatter'
)
# 线性回归的残差
sns.residplot(
    x,
    y,
    data=None,
    lowess=False
)
# 轴须图
sns.rugplot(a, height=0.05, axis='x', ax=None, **kwargs)
# 时序图
# data：列表示同一时间点采样数据，行表示不同时间点
sns.tsplot(
    data,
    time=None,
    unit=None,
    condition=None,
    value=None
)
# 小提琴图
# scale：area表示面积相等，width表示宽度相等，count表示次数
# split表示合为一体
# inner：内部作图
sns.violinplot(
    x=None,
    y=None,
    hue=None,
    data=None,
    bw='scott',
    cut=2,
    scale='area',
    inner='box',
    split=False,
)
# 线图
sns.lineplot(
    x=None,
    y=None,
    hue=None,
    data=None,
    palette=None,
    hue_order=None,
)
# 条形图
sns.barplot(
    x=None,
    y=None,
    hue=None,
    data=None,
    palette=None,
    hue_order=None,
)
# 热图
sns.heatmap(
    data,
    vmin=None,
    vmax=None,
    cmap=None,
    annot=None,
)
# 回归线
sns.regplot(
    x,
    y,
    data=None,#非必须
    x_estimator=None,
    x_bins=None,
    dropna=True,
)
# 次数统计绘制
sns.countplot(
    x=None,
    y=None,
    hue=None,
    data=None
)
# 回归线，用于数据子集
sns.lmplot(
    x,
    y,
    data,#必须
    hue=None
)
# 分类散点图：x中每个取值分别绘制，数据点不重叠展示
sns.swarmplot(
    x=None,
    y=None,
    hue=None,
    data=None
)
# 箱线图
sns.boxenplot(
    x=None,
    y=None,
    hue=None,
    data=None
)
# 加强箱线图：可在后面加上stripplot或swarmplot绘制散点图
sns.boxenplot(
    x=None,
    y=None,
    hue=None,
    data=None
)
# 多分类绘图
sns.catplot(
    x=None,
    y=None,
    hue=None,
    data=None,
    row=None,#col是分列，这个分行展示
    col=None,#作用类似hue，不过是分列展示
    kind='strip'# 绘图类型

)
# 直方图
sns.distplot(
    a,
    bins=None,
    kde=True,
    rug=False,
    axlabel=None,
    label=None
)
# 双向绘图，分别以对方作为自变量
sns.jointplot(
    x,
    y,
    data=None,
    kind='scatter',#绘图类型
    dropna=True,
    xlim=None,
    ylim=None
)
# 特征两两绘制
sns.pairplot(
    data,
    hue=None,
    vars=None,
    x_vars=None,
    y_vars=None,
    kind='scatter',
    markers=None,
    dropna=True
)