Seaborn

Matplotlib是Python主要的绘图库。但是不建议你直接使用它，原因与不推荐你使用NumPy是一样的。虽然Matplotlib很强大，它本身就很复杂，你的图经过大量的调整才能变精致。因此，作为替代推荐一开始使用Seaborn。Seaborn 是由斯坦福大学提供的一个python库，简短地描述下seaborn的优点。具体来说，它可以：

默认情况下就能创建赏心悦目的图表。（只有一点，默认不是jet colormap）
创建具有统计意义的图
能理解pandas的DataFrame类型，所以它们一起可以很好地工作。

Dataset

数据集births.csv是由National Survey of Family Growth收集了2002年到2003年期间的怀孕,家庭生活等等信息。特征如下：

prglngth – the length of the pregnancy in weeks.
birthord – which child this was for the pregnant mother.
birthwgt_lb1 – the pounds portion of the birth weight.
birthwgt_oz1 – the ounces portion of the birth weight.
agepreg – the mother’s age at the end of the pregnancy, in years.

sns.plt.show()替换掉plt.show()，在matplotlib画直方图的方法是：births.hist(‘prglngth’)，而在Seaborn中的方法是：distplot(births[‘prglngth’], kde=False)，当然你也可以用sns.plt.show来显示用matplotlib画的直方图。

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

births = pd.read_csv('births.csv')
# kde参数设置为True时表示纵轴显示的是密度
sns.distplot(births['prglngth'], kde=False)
sns.plt.show()

births.hist('prglngth')
plt.show()

这是Seaborn的直方图，粒度较细。

这里写图片描述

这是matplotlib的直方图

这里写图片描述

将kde = True

Pandas 和Seaborn都是利用Matplotlib 进行可视化，但是他们支架又有若干区别：

当可视化时只需要调整少量参数时用Pandas比较合适，因为它主要是用来进行数据探索而不是可视化，如果非要用Pandas 进行自定义可视化，实际上就是用底层的Matplotlib进行绘图，那么需要对Matplotlib 有很深的了解。但是如果画图时需要个性化修改一些图的属性就用Seaborn，因为Seaborn可以利用一些简单的API来直接可视化我们的数据，不用我们进行参数的理解。
-

当用pandas进行可视化的时候，如果想要个性化某些参数，那么就需要对Matplotlib 有很深的了解，

Boxplots: Boxplot()

用sns画一个X轴代表第一几个孩子纵轴代表孕妇的年龄的一个盒图。

births = pd.read_csv('births.csv')
sns.boxplot(x='birthord', y='agepreg', data=births)
sns.plt.show()

这里写图片描述

Pair Plot: Pairplot()

对于有n个属性的DataFrame，可以产生n*n个属性的比较图，也可以自己指定要比较的属性个数，然后进行两两比较。
当比较的属性是：var1 vs var2，那么就是var1 是横轴，var2是纵轴，画的是散点图。
当比较的属性是：var1 vs var1，那么画的是var1的直方图。

sns.pairplot(births[['agepreg','prglngth','birthord']])
sns.plt.show()

这里写图片描述