本文小编为大家详细介绍“python怎么使用seaborn绘制直方图,密度图,散点图”，内容详细，步骤清晰，细节处理妥当，希望这篇“python怎么使用seaborn绘制直方图,密度图,散点图”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。
一、直方图distplot()
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib
import pandas as pd
fig = plt.figure(figsize=(12, 5))
ax1 = plt.subplot(121)
rs = np.random.RandomState(10) # 设定随机数种子
s = pd.Series(rs.randn(100) * 100)
sns.distplot(s, bins=10, hist=True, kde=True, rug=True, norm_hist=False, color='y', label='distplot', axlabel='x')
plt.legend()
ax1 = plt.subplot(122)
sns.distplot(s, rug=True,
hist_kws={"histtype": "step", "linewidth": 1, "alpha": 1, "color": "g"}, # 设置箱子的风格、线宽、透明度、颜色,风格包括：'bar', 'barstacked', 'step', 'stepfilled'
kde_kws={"color": "r", "linewidth": 1, "label": "KDE", 'linestyle': '--'}, # 设置密度曲线颜色，线宽，标注、线形
rug_kws={'color': 'r'}) # 设置数据频率分布颜色
plt.show()
函数及参数介绍：
distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None,hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, color=None, vertical=False, norm_hist=False, axlabel=None, label=None, ax=None)
-
a 数据源
-
bins 箱数hist、kde、rug 是否显示箱数、密度曲线、数据分布，默认显示箱数和密度曲线不显示数据分析
-
{hist,kde,rug}_kws 通过字典形式设置箱数、密度曲线、数据分布的各个特征
-
norm_hist 直方图的高度是否显示密度，默认显示计数,如果kde设置为True高度也会显示为密度
-
color 颜色
-
vertical 是否在y轴上显示图标，默认为False即在x轴显示，即竖直显示
-
axlabel 坐标轴标签
-
label 直方图标签
二、密度图
2.1 单个样本数据分布密度图
读到这里，这篇“python怎么使用seaborn绘制直方图,密度图,散点图”文章已经介绍完毕，想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会，如果想了解更多相关内容的文章，欢迎关注云搜网行业资讯频道。
