• 官方教程链接：https://seaborn.pydata.org/tutorial.html
1
2
3
4

import seaborn as sns
import matplotlib.pyplot as plt

import pandas as pd

1. theme主题设置

  • 示例展示效果见链接

context: 用于调整整体字体和标注的大小

  • “paper”, “notebook”,“talk”, “poster”

style: 用于调整背景和网格线

  • “whitegrid”, “darkgrid”, “white”, “dark”, “ticks”
1
2

# 默认设置 (全局声明，对后面所有绘图有效)
sns.set_theme(context='notebook', style='darkgrid')

2. 散点图示例

  • 示例数据
1
2
3
4
5

# Demo data: 企鹅数据集
# df = sns.load_dataset("penguins") 
df = pd.read_csv("./seaborn-data-master/penguins.csv")

df.head()
  • 绘图全流程
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

plt.figure(figsize=(6, 6)) # 默认是[6.4, 4.8]

# axis-level
sns.scatterplot(data=df,
                x="bill_length_mm", y="bill_depth_mm", 
                hue="species", style="species", palette="dark")

# 标题
plt.title("Penguin measurements", fontsize=16)
plt.xlabel("Bill length (mm)")
plt.ylabel("Bill depth (mm)")
plt.xticks(fontsize=6)
plt.yticks(fontsize=12)

# 图例
plt.legend(fontsize=12, title="Species", title_fontsize=14)

# 添加参考线 y = 20
plt.axhline(y=20, color='r', linestyle='--', linewidth=2, label="Reference Line (y=20)")
# 添加参考线 y = y = 2x + 5
plt.axline((50, 20), slope=2, color="#2ECC71", linestyle="--", linewidth=2, label="y = 2x + 5")

# # 保存图片
# plt.savefig("scatterplot.pdf")

# 展示
plt.show()

image-20250404162413357

3. 箱图示例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16

# # 可以提前修改分类列的因子顺序 
# species_order = ["Gentoo", "Chinstrap", "Adelie"]
# df["species"] = pd.Categorical(df["species"], categories=species_order, ordered=True)

sns.boxplot(data=df, x="species", y="bill_length_mm", 
            hue="sex", order=["Gentoo", "Chinstrap", "Adelie"],
            width=0.5, # 默认 0.8
            showfliers=True, # 显示离群点
            # flierprops = dict(marker='o', markerfacecolor='red', markersize=3), #离群点显示效果
            palette="Paired")

plt.xticks(rotation=45) 

# plt.legend().remove() # 删除legend

plt.show()

image-20250404162351286

4. 柱状图/线图(误差棒)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13

fig, axes = plt.subplots(1, 2, figsize=(14, 6))  # figsize 设置整个图形的大小

sns.barplot(data=df, x="species", y="bill_length_mm", 
            errorbar="sd", ax=axes[0])  # 将ax传递给sns.barplot
axes[0].set_title("Bar Plot with Standard Deviation")
sns.lineplot(data=df, x="species", y="bill_length_mm", 
             errorbar="pi", ax=axes[1])  # 将ax传递给sns.lineplot
axes[1].set_title("Line Plot with Prediction Interval")

# 自动调整布局
plt.tight_layout()
# 显示图形
plt.show()

image-20250404163940389

Seaborn支持四种类型的误差棒，分别是"sd", “se”, “pi”, “ci” （默认为ci） 具体区别参见教程。

5. axis-level vs figure-level

../_images/function_overview_8_0.png
  • sns.relplot等figure-level的绘图函数是广义的，sns.scatterplot等axis-level的绘图函数是Specific。可以通过kind参数，设置具体的几何绘图类型
  • 二者从可视化角度的区别在与legend的位置
1
2
3
4
5

# 如下图所示，最大区别是legend的位置
sns.relplot(data=df, kind="scatter", 
                x="bill_length_mm", y="bill_depth_mm", 
                hue="species", style="species")
plt.show()
image-20250404154420936
  • 此外，可以通过col/row参数方便的设置分面（axis-level funcs不支持）
1
2
3
4

sns.relplot(data=df, kind="scatter", 
                x="bill_length_mm", y="bill_depth_mm", 
                hue="species", style="species", col="species")
plt.show()

image-20250404155327333

关于分面，可以通过sns.FacetGrid()绘制axis-level的分面绘图

6. 色板

palette参数: 用于调整颜色系。下面的示例展示效果见教程。

  1. seaborn系列
  • “deep”, “muted”, “pastel”, “bright”, “dark”, “colorblind”
  1. matplotlib系列
  • “Set1”，“Set2”, “Set3”, “Paired”, “Accent”, “Dark2”, “Pastel1”, “Pastel2” …
  1. 直接自定义：palette = ["#E74C3C", “#3498DB”, “#2ECC71”]