在之前的學習中我們已經了解了如何利用Python的matplotlib進行數據可視化，那么你對Seaborn進行數據可視化了解嗎？下面是小編總結的有關利用Python的Seaborn進行數據可視化的詳細介紹；請參照：

一個精心設計的可視化程序有一些特別之處。顏色突出，層次很好地融合在一起，整個輪廓流動，整個程序不僅有一個很好的美學質量，它也為我們提供了有意義的技術洞察力。

這在數據科學中*重要，因為我們經常處理大量雜亂的數據。對于數據科學家來說，具有可視化的能力是至關重要的。我們的利益相關者或客戶將更多地依賴于視覺提示，而不是復雜的機器學習模型。

有大量*的Python可視化庫可用，包括內置的matplotlib。但Seaborn對我來說很重要。它將美學魅力與技術洞察力無縫地結合在一起，我們很快就會看到這一點。

Seaborn其實是在matplotlib的基礎上進行了更*的API封裝，從而使得作圖更加容易，在大多數情況下使用seaborn就能做出很具有吸引力的圖，而使用matplotlib就能制作具有更多特色的圖。應該把Seaborn視為matplotlib的補充，而不是替代物。

Python

一、什么是Seaborn?

你曾經在R中使用過ggplot2庫嗎?它是任何工具或語言中*的可視化包之一。Seaborn給了我同樣的感覺。

Seaborn是一個構建在matplotlib之上的一個*完美的Python可視化庫。

它使我們能夠創建放大的數據視覺效果。這有助于我們理解數據，通過在可視上下文中顯示數據來發現變量或趨勢之間的任何隱藏相關性，而這些相關性*初可能并不明顯。與Matplotlib的低級接口相比，Seaborn具有*接口。

二、為什么應該使用Seaborn而不是matplotlib?

我一直在談論Seaborn是多么的棒，所以你可能想知道我為什么這么大驚小怪。

當我們使用seaborn生成圖時，我將以實際的方式全面地回答這個問題。現在，讓我們快速討論一下seaborn為什么在matplotlib之上。

Seaborn使我們的圖表和繪圖看起來很吸引人，并支持一些常見的數據可視化需求(比如將顏色映射到變量或使用分面(faceting))。從根本上說，它使數據可視化和探索變得很容易。相信我，這在數據科學中不是一件容易的事。

在matplotlib中有幾個(很大的)限制是Seaborn已經修復的:

Seaborn提供了大量的*接口和自定義主題，而matplotlib沒有這些接口，因為很難確定哪些設置使圖表更吸引人

Matplotlib函數不能很好地處理數據流，而seaborn可以

這第二點在數據科學中很突出，因為我們經常使用數據模型。

三、搭建環境

seaborn庫具有四個必需的必需依賴項:

1、NumPy (>= 1.9.3)

2、SciPy (>= 0.14.0)

3、matplotlib (>= 1.4.3)

4、Pandas (>= 0.15.2)

要安裝Seaborn并有效地使用它，首先需要安裝前面提到的依賴項。一旦這一步完成，我們都準備安裝Seaborn和享受其迷人的繪圖。要安裝Seaborn，可以使用以下代碼

要安裝*版本的seaborn，你可以使用pip:

pip install seaborn

或者其他版本，這里不再作詳細介紹。

四、用于數據可視化的數據集

我們將主要處理兩個數據集:

人力資源分析

(https://datahack.analyticsvidhya.com/contest/wns-analytics-hackathon-2018-1/)

預測投票數

(https://datahack.analyticsvidhya.com/contest/enigma-codefest-machine-learning-1/)

之所以選擇這兩個，是因為它們包含多個變量，因此我們有很多選擇可以使用。這兩個數據集還可以模擬現實情況，因此你將了解數據可視化和了解業內的數據可視化方式。

你可以在DataHack平臺上查看這個和其他高質量的數據集。因此，請在繼續之前下載上述兩個數據集。我們將一起使用它們。