Python 可视化视频课 - 4. Seaborn 中

这是 Python 数据可视化系列的第四节《Seaborn 中》。

1. Matplotlib 上

2. Matplotlib 下

3. Seaborn 上
   

之前 Python 数据分析和基础系列的所有课程链接如下。

1. NumPy 上

2. NumPy 下

3. Pandas 上

4. Pandas 下

5. SciPy 上

6. SciPy 下

7. Pandas 时间序列

8. Pandas 高频数据采样

9. 默顿模型计量经济资本

10. LSMC 定价美式和百慕大期权

11. 负油价和负利率模型

12. Nelson-Siegel 构建债券收益率曲线

13. 外汇交易组合保证金制定系统

14. FR007 利率掉期定价和曲线拔靴

15. 量化投资 - 向量化回测
    

1. 编程概览

2. 元素型数据

3. 容器型数据

4. 流程控制：条件-循环-异常处理

5. 函数上：低阶函数

6. 函数下：高阶函数

7. 类和对象：封装-继承-多态-组合

8. 字符串专场：格式化和正则化

9. 解析表达式：简约也简单

10. 生成器和迭代器：简约不简单

11. 装饰器：高端不简单

Seaborn 中关注的内容是第 2 章，单图。

1. Seaborn 101

• 场景设定

• 风格设定

• 色调设定

• 图级轴级

• Seaborn 数据集

2. 单图

• 关系图

• 分布图

• 分类图

• 回归图

• 矩阵图

3. 组合图

• 多图网格

• 配对网格

• 联合网格

统计分析就是去理解一个数据集中变量之间的关系，以及这些关系如何受到其他变量的影响。Seaborn 的主要用处就是可视化这个过程。当数据以恰当的方式展示出来时，读者可以直观地观察到某些趋势并发现变量之间的关系。

在 Seaborn 中绘图函数命名非常讲究，在顶层的 relplot(), displot() 和 catplot() 旨在绘制出关系图、分布图和分类图，而在每个函数中设置参数 kind 来细分具体图的类型，如下图所示。

除了在上述三种顶层函数中设置参数 kind，还可以用具体名称的函数实现相似的可视化目标，比如

本节分别从单图和组合图的角度来展示 Seaborn 的绘图功能，单图种类包括

• 关系图 (relational plot) 显示两个定量变量之间的关系

• 分布图 (distributional plot) 显示定量变量的分布

• 分类图 (categorical plot) 显示定量变量在分类变量下每个类别的分布

• 回归图 (regression plot) 包括线性回归图、多项式回归图和残差图

• 矩阵图 (matrix plot) 包括热力图和聚类图

内容太多了，每种图发一张例图吧。

关系图

分布图

分类图

回归图

矩阵图

内容多到炸！

就怕你不学！

付费用户（付 1 赠 1）可以获得：

• 观看课程视频 (135 分钟)

• Python 代码 (Jupyter Notebook)