在这个看颜值的时代，matplotlib长得太一般，很难吸异性暗送秋波的眼光。为此，Seaborn对其进行了变装，修改了默认的颜色方案和绘图类型，提高了可读性和美观度。

赏心悦目的图形不但能让数据探索中一些重要的细节更容易被挖掘，也能更有利于在与异性交流分析，并在此过程中，吸引她或他的注意力，让其更容易记住你的美。

说的好不如做的好，按照国际惯例，先用pip3 install scipy安装Seaborn依赖库，再运行pip3 install seaborn命名安装其真身。

8.1 美?

在没见过Seaborn对性别数据进行统计分析之前，我见到的大多数是这样的。简单是简单，颜值也还可以，如果没见过Seaborn的统计图，我以为这辈子见到的就这样了(这里有点浮夸了)。

用Seaborn实现分类统计分析，原来还可以这么美，关键是代码也不多，好了，废话不多说，上性别统计的代码。

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt

# 指定画布大小，默认为600*480
fig, axes = plt.subplots(figsize=(9, 6))
sns.set()
tips = pd.read_csv("tips.csv")
sns.swarmplot(x="day", y="total_bill", hue="sex", data=tips)
# 保存图片
fig.savefig("test.png")

输出结果

8.2 几步?

不单单是Seaborn，其他数据分析库也一样，我培训同事时，都是用我原创的4步分析法，在这，我就大大方方的分享给你吧。希望你也大大方方地转发分享出去。

数据分析的4个步骤，分别是：选择主题(sns.set)，载入数据(read_csv)，定图连数，输出结果(test.png)。能理解么？不能的话，一会儿就背诵代码吧。

有关载入数据和输出结果，之前学过了，这里就不再赘述了，主题在这次讲，定图连数下次再说。用代码验证步骤之后，下节就进入主题。

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt

# 指定画布大小，默认为600*480
fig, axes = plt.subplots(figsize=(9, 6))
# 1. 选择主题
sns.set()
# 2. 载入数据
tips = pd.read_csv("tips.csv")
# 3. 定图连数
sns.violinplot(x="day", y="total_bill", data=tips, split=True)
# 4. 输出结果
fig.savefig("test.png")

输出结果

8.3 主题

程序员的核心主题，是编程和找异性朋友，软件的核心主题是风格、颜色、字体。颜色还是用默认的好，毕竟你不是读美术专业的，当然，我也不是。嘎嘎嘎~

1. 风格

Seaborn内置的风格有darkgrid(默认风格)、whitegrid、dark、white和ticks五种，由set、set_style或axes_style方法进行设置

set：通用设置接口；set_style：风格专用设置接口，设置后全局风格随之改变；axes_style，设置当前图(axes级)的风格，返回设置后的风格系列参数。5种风格，我只输出其中的两种，另外的你自己体验。

import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt


def sinplot(flip=1):
    x = np.linspace(10, 20, 100)
    for i in range(1, 5):
        plt.plot(x, np.sin(x + i * 0.6) * (6 - i) * flip)


# 选择风格darkgrid、whitegrid、dark、white和ticks五选1
sns.set(style="darkgrid")
# 调用这个函数
sinplot()
plt.show()

指定为whitegrid时的输出结果

指定为dark时的输出结果

2. 字体

seaborn库中有4种环境可以进行设置，分别是notebook(默认环境)、paper、talk和poster，因为设置之后，受影响较大的是字体，所有你应该重点关心字体内容。设置方法，分别为：

set：通用设置接口；set_context：环境设置专用接口，设置后全局绘图环境随之改变；plotting_context：设置当前图(axes级)的绘图环境，同时返回设置后的环境系列参数。

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt

# 指定画布大小，默认为600*480
fig, axes = plt.subplots(figsize=(9, 6))
# 1. 选择主题(风格和字体)
sns.set_style("dark")
sns.set_context("talk", font_scale=2.0)
# 2. 载入数据
tips = pd.read_csv("tips.csv")
# 3. 定图连数(小提琴和树形混合图)
sns.violinplot(x="day", y="total_bill", data=tips, inner=None)
sns.swarmplot(x="day", y="total_bill", data=tips, color="w", alpha=0.6)
# 4. 输出结果
fig.savefig("test.png")

输出结果

图形中要用到数据，自己去https://github.com/mwaskom/seaborn-data进行下载。

好了，有关Seaborn主题的内容，老陈讲完了，如果觉得对你有所帮助，希望老铁能转发点赞，让更多的人看到这篇文章。你的转发和点赞，就是对老陈继续创作和分享最大的鼓励。

一个当了10年技术总监的老家伙，分享多年的编程经验。想学编程的朋友，可关注今日头条：老陈说编程。分享Python，前端(小程序)、App和嵌入式方面的干货。关注我，没错的。

#Python##数据分析##程序员##大数据##主题#