# seaborn

**Repository Path**: kooglee/seaborn

## Basic Information

- **Project Name**: seaborn
- **Description**: seaborn官方教程（不定期更新）
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 3
- **Forks**: 1
- **Created**: 2020-06-21
- **Last Updated**: 2024-04-27

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Seaborn官方中文文档

## 介绍

本项目翻译自Seaborn官方教程（不定期更新），翻译有误的地方请见谅。

## 安装教程

1. 要安裝最新版本的seaborn，可以使用`pip`：

   ```python
   pip install seaborn
   ```

2. 也可以使用`conda`以下命令安裝发布的版本：


   ```python
   conda install seaborn
   ```

3. 安装anaconda，会自带绝大多数我们需要的库。（推荐） 

### 依赖环境

- Python 3.6+

**强制依赖包**

- numpy（>= 1.13.3）
- scipy（>= 1.0.1）
- pandas（>= 0.22.0）
- matplotlib（>= 2.1.2）

**推荐依赖包**

- statsmodes（>= 0.8.0）

## Seaborn 简介

Seaborn是一个使用Python制作统计图形的库。它建立在[matplotlib](https://matplotlib.org/)的基础之上，并与[pandas](https://pandas.pydata.org/)数据结构紧密结合。

Seaborn提供的一些功能：

- 面向数据集的API，用于检查多个变量之间的关系
- 专业化支持使用分类变量显示观测值或汇总统计信息
- 可选择可视化单变量或双变量分布以及在数据子集之间进行比较
- 不同种类因变量的线性回归模型的自动估计和绘图
- 方便查看复杂数据集的整体结构
- 高级抽象化地构建多图网格，让您轻松构建复杂的可视化
- 带有内置的主题，轻易控制matplotlib的图形样式
- 基于数据集的调色板工具

Seaborn旨在使可視化成为探索和理解数据的重要部分。其面向数据集的绘图功能在包含整个数据集的DataFrames和arrays上运行，并在內部执行必要的语义映射和统计汇总，以生成有用的图。

## Seaborn 教程

### 绘图功能

- [可视化统计关系](https://gitee.com/kooglee/seaborn/blob/master/Tutorial/relational.ipynb)
  - [散点图](https://gitee.com/kooglee/seaborn/blob/master/Tutorial/relational.ipynb#散点图)
  - [线型图](https://gitee.com/kooglee/seaborn/blob/master/Tutorial/relational.ipynb#线型图)
  - [展示多个方面的关系](https://gitee.com/kooglee/seaborn/blob/master/Tutorial/relational.ipynb#展示多个方面的关系)
- [分类数据可视化](https://gitee.com/kooglee/seaborn/blob/master/Tutorial/categorical.ipynb)
  - [分类散点图](https://gitee.com/kooglee/seaborn/blob/master/Tutorial/categorical.ipynb#分类散点图)
  - [类别观察值的分布](https://gitee.com/kooglee/seaborn/blob/master/Tutorial/categorical.ipynb#类别观察值的分布)
  - [类别的统计估计](https://gitee.com/kooglee/seaborn/blob/master/Tutorial/categorical.ipynb#类别的统计估计)
  - [绘制“宽格式”数据](https://gitee.com/kooglee/seaborn/blob/master/Tutorial/categorical.ipynb#绘制"宽格式"数据)
  - [展示多个方面的关系](https://gitee.com/kooglee/seaborn/blob/master/Tutorial/categorical.ipynb#展示多个方面的关系)
- [可视化数据集的分布](https://gitee.com/kooglee/seaborn/blob/master/Tutorial/distributions.ipynb)
  - [绘制单变量分布](https://gitee.com/kooglee/seaborn/blob/master/Tutorial/distributions.ipynb#绘制单变量分布)
  - [绘制双变量分布](https://gitee.com/kooglee/seaborn/blob/master/Tutorial/distributions.ipynb#绘制双变量分布)
  - [可视化数据集中的成对关系](https://gitee.com/kooglee/seaborn/blob/master/Tutorial/distributions.ipynb#可视化数据集中的成对关系)
- [可视化线性关系](https://gitee.com/kooglee/seaborn/blob/master/Tutorial/regression.ipynb)
  - [绘制线性回归模型的函数](https://gitee.com/kooglee/seaborn/blob/master/Tutorial/regression.ipynb#绘制线性回归模型的函数)
  - [拟合各种模型](https://gitee.com/kooglee/seaborn/blob/master/Tutorial/regression.ipynb#拟合各种模型)
  - [在其他变量上训练](https://gitee.com/kooglee/seaborn/blob/master/Tutorial/regression.ipynb#在其他变量上训练)
  - [控制图形的大小和形状](https://gitee.com/kooglee/seaborn/blob/master/Tutorial/regression.ipynb#控制图形的大小和形状)
  - [在其他情况下绘制回归图](https://gitee.com/kooglee/seaborn/blob/master/Tutorial/regression.ipynb#在其他情况下绘制回归图)

### 多图网格

- [建立结构化的多图网格]()
  - [Conditional small mutiples]()
  - [使用自定义功能]()
  - [绘制成对的数据关系]()

### 图形美学

- [控制图形美观]()
  - [Seaborn 图样式]()
  - [移除轴边框]()
  - [临时设置图形样式]()
  - [Overriding elements of the seaborn styles]()
  - [缩放图元素]()
  
- [选择调色板]()

  - [建立调色板]()
  - [定性调色板]()
  - [顺序调色板]()
  - [多样化的调色板]()
  - [设置默认调色板]()