Seaborn中幾種作圖方式

• 趨勢
  • sns.pointplot - 點圖 ，比折線圖好使
  • sns.lineplot - 折線圖最適合顯示一段時間內的趨勢，多條線可以用來顯示多個組中的趨勢。
• 關系 - 可以使用許多不同的圖表類型來理解數據中變量之間的關系。

  • sns.pairplot - 超級有東西 ！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！

  • sns.barplot - 條形圖用於比較不同組的數量。

  • sns.heatmap - 熱圖可用於在數字表中查找彩色編碼的模式。
    heatmap 的輸入必須是矩形數據集（DataFrame），常用的方式是使用 DataFrame.pivot方法來從原始數據集中選擇數據建立矩形數據集. 例如:
    >>> temp = df.pivot(index=‘TV’, columns=‘Radio’, values=‘Sales’)
    >>> sns.heatmap(data=temp, annot=True )

  • sns.scatterplot - 散點圖顯示了兩個連續變量之間的關系;如果用顏色編碼，我們還可以顯示與第三個分類變量的關系。

  • sns.regplot - 在散點圖中包含一條回歸線可以更容易地看到兩個變量之間的任何線性關系。

  • sns.lmplot - 如果散點圖包含多個顏色編碼的組，此命令對於繪制多個回歸線很有用。

  • sns.swarmplot - 分類散點圖顯示連續變量和分類變量之間的關系。

• 分布 - 我們將分布形象化，以顯示我們期望在變量中看到的可能值，以及它們的可能性。
  • sns.distplot - 直方圖表示單個數值變量的分布。
  • sns.kdeplot - KDE圖(或2D KDE圖)顯示了單個數值變量(或兩個數值變量)的估計、平滑分布。
  • sns.jointplot - 此命令對於同時顯示2D KDE圖以及每個單獨變量對應的KDE圖非常有用。