PYTHON-HILFE

Seaborn Python (Wie es funktioniert: Ein Leitfaden für Entwickler)

Name: IronPDF
Brand: Iron Software
Availability: InStock
Rating: 4.87 (307 reviews)

Aktualisiert:Juni 22, 2025

Statistische Datenvisualisierung Seaborn ist eine beliebte Python-Vision-Bibliothek. Es basiert auf dem Matplotlib-Python-Modul und bietet eine hochrangige Schnittstelle für die Erstellung attraktiver und informativer statistischer Grafiken. Seaborn is particularly well-suited for visualizing complex datasets and making data analysis more intuitive. Later in this article, we will also look into IronPDF, a PDF generation and manipulation library from IronSoftware.

Hauptmerkmale

High-Level-Schnittstelle: Seaborn bietet eine High-Level-Schnittstelle, die den Prozess der Erstellung komplexer Visualisierungen vereinfacht. Dies bedeutet, dass Sie anspruchsvolle Diagramme mit nur wenigen Zeilen Code erstellen können.
Integration mit Pandas: Seaborn arbeitet nahtlos mit Pandas-Datenstrukturen, was die Visualisierung von in DataFrames gespeicherten Daten erleichtert.
Schöne Standardstile: Seaborn kommt mit schönen Standardstilen und Farbpaletten, die dazu beitragen, die Diagramme attraktiver und leichter interpretierbar zu machen.
Statistische Schätzung: Seaborn enthält Funktionen zur Schätzung und Darstellung statistischer Beziehungen, wie z. B. Regressionslinien und Konfidenzintervalle.
Eindimensionale und zweidimensionale Verteilungen: Seaborn unterstützt die statistische Datenvisualisierung mit
- Eindimensionale Verteilungen in Seaborn
  1. Histogramm: Visualisiert die Häufigkeit von Datenpunkten in Intervallen.
  2. KDE-Diagramm: Zeigt eine glatte Kurve, die die Datendichte darstellt.
  3. ECDF-Diagramm: Zeigt den kumulativen Anteil von Datenpunkten.
  4. Boxplot: Veranschaulicht die Datenverteilung mit Quartilen und Ausreißern.
- Zweidimensionale Verteilungen in Seaborn
  1. Punktdiagramm: Zeigt die Beziehung zwischen zwei Variablen.
  2. Hexbin-Diagramm: Verwendet sechseckige Felder, um die Datendichte darzustellen.
  3. zweidimensionales KDE-Diagramm: Glattes Dichte-Diagramm für zwei Variablen.
  4. Pair-Diagramm: Zeigt paarweise Beziehungen in einem Datensatz.

Erste Schritte

Um mit Seaborn zu beginnen, müssen Sie es mit pip installieren:

pip install seaborn

pip install seaborn

SHELL

Sobald es installiert ist, können Sie Seaborn zusammen mit Matplotlib importieren und Visualisierungen erstellen. Hier ist ein einfaches Beispiel:

import seaborn as sns
import matplotlib.pyplot as plt

# Load an example dataset
tips = sns.load_dataset("tips")

# Create a simple scatter plot
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time")
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt

# Load an example dataset
tips = sns.load_dataset("tips")

# Create a simple scatter plot
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time")
plt.show()

PYTHON

In diesem Beispiel laden wir den „tips“-Datensatz und erstellen ein Punktdiagramm, das die Beziehung zwischen der Gesamtrechnung und der Trinkgeldhöhe zeigt, mit unterschiedlichen Farben für verschiedene Tageszeiten.

Ausgabe

Seaborn Python (How it Works for Developers Guide): Abbildung 1 - Beispielgrafik Ausgabe aus dem obigen Code

Häufig verwendete Diagramme

Beziehungsdiagramme: Diese Diagramme zeigen Beziehungen zwischen Variablen. Beispiele sind Punktdiagramme und Liniendiagramme.

sns.relplot(data=tips, x="total_bill", y="tip", hue="smoker", style="time")
plt.show()

sns.relplot(data=tips, x="total_bill", y="tip", hue="smoker", style="time")
plt.show()

PYTHON

Seaborn Python (How it Works for Developers Guide): Abbildung 2 - Beispiel eines Beziehungsdiagramms

Kategorische Diagramme: Diese Diagramme visualisieren kategoriale Daten. Beispiele sind Balkendiagramme, Boxplots und Violindiagramme.

sns.boxplot(data=tips, x="day", y="total_bill", hue="smoker")
plt.show()

sns.boxplot(data=tips, x="day", y="total_bill", hue="smoker")
plt.show()

PYTHON

Seaborn Python (How it Works for Developers Guide): Abbildung 3 - Beispiel eines kategorischen Diagramms

Verteilungsdiagramme: Beispiele sind Histogramme und Kernel-Dichteschätzungen.

sns.histplot(data=tips, x="total_bill", kde=True)
plt.show()

sns.histplot(data=tips, x="total_bill", kde=True)
plt.show()

PYTHON

Seaborn Python (How it Works for Developers Guide): Abbildung 4 - Beispiel eines Verteilungsdiagramms

Matrixdiagramme: Diese Diagramme visualisieren Daten in Matrixform. Beispiele sind Heatmaps und Clusterkarten.

glue = sns.load_dataset("glue").pivot(index="Model", columns="Task", values="Score")
sns.heatmap(glue)
plt.show()

glue = sns.load_dataset("glue").pivot(index="Model", columns="Task", values="Score")
sns.heatmap(glue)
plt.show()

PYTHON

Seaborn Python (How it Works for Developers Guide): Abbildung 5 - Beispiel eines Matrixdiagramms

Seaborn-Diagramme können auch für Verteilungsdiagramme, Liniendiagramme, Boxplots und Balkendiagramme verwendet werden, und die Codierung mit realen oder statistischen Daten ist einfach.

Anpassung

Seaborn ermöglicht umfangreiche Anpassungen von Diagrammen. Sie können den Stil, die Farbpalette und andere Aspekte des Diagramms nach Ihren Bedürfnissen ändern. Zum Beispiel können Sie das Thema einstellen, indem Sie:

sns.set_theme(style="whitegrid")

sns.set_theme(style="whitegrid")

PYTHON

Einführung in IronPDF

Seaborn Python (How it Works for Developers Guide): Abbildung 6 - IronPDF: Die Python-PDF-Bibliothek

IronPDF ist eine leistungsstarke Python-Bibliothek, die zum Erstellen, Bearbeiten und Signieren von PDFs mit HTML, CSS, Bildern und JavaScript entwickelt wurde. Es bietet eine hohe Leistung bei minimalem Speicherverbrauch. Hauptmerkmale sind:

HTML zu PDF-Konvertierung:

Konvertieren Sie HTML-Dateien, HTML-Strings und URLs in PDFs. Zum Beispiel verwenden Sie den Chrome-PDF-Renderer, um eine Webseite als PDF zu rendern.
Plattformübergreifende Unterstützung:

IronPDF ist für Python 3+ ausgelegt und läuft auch auf Windows, Mac, Linux oder Cloud-Plattformen.
IronPDF is also available in .NET, Java, Python, and Node.js.
Bearbeitung und Signierung:

Setzen Sie Eigenschaften, wenden Sie Passwörter und Berechtigungen an und fügen Sie Ihren PDFs digitale Signaturen hinzu.
Seitentemplates und Einstellungen:

Sie können PDFs mit Kopf- und Fußzeilen, Seitennummern und anpassbaren Rändern anpassen. Es unterstützt außerdem benutzerdefinierte Papiergrößen und responsive Layouts.
Einhaltung von Standards:

Entspricht den PDF-Standards, einschließlich PDF/A und PDF/UA, unterstützt die UTF-8-Zeichenkodierung und verwaltet Ressourcen wie Bilder, CSS und Schriftarten.

Installation

pip install ironpdf

pip install ironpdf

SHELL

Erstellen von PDF-Dokumenten mit IronPDF und Seaborn

Voraussetzungen

Stellen Sie sicher, dass Visual Studio Code als Code-Editor installiert ist.
Python-Version 3 ist installiert.

Fangen wir zunächst an, eine Python-Datei zu erstellen, um unsere Skripte hinzuzufügen.

Öffnen Sie Visual Studio Code und erstellen Sie eine Datei, seabornDemo.py.

Notwendige Bibliotheken installieren:

pip install seaborn
pip install ironpdf

pip install seaborn
pip install ironpdf

SHELL

Fügen Sie dann den folgenden Code hinzu, um die Verwendung der IronPDF- und Seaborn-Python-Pakete zu demonstrieren:

import seaborn as sns
import matplotlib.pyplot as plt
from ironpdf import * 

# Apply your license key
License.LicenseKey = "your key here"

# Load an example dataset
tips = sns.load_dataset("tips")
print(tips)

# Create a simple scatter plot
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time")

# Save the plot as a PNG file
plt.savefig("scatterplot.png")

# Convert the image to PDF using IronPDF
ImageToPdfConverter.ImageToPdf("scatterplot.png").SaveAs("scatterplot.pdf")

# Display the plot
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
from ironpdf import * 

# Apply your license key
License.LicenseKey = "your key here"

# Load an example dataset
tips = sns.load_dataset("tips")
print(tips)

# Create a simple scatter plot
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time")

# Save the plot as a PNG file
plt.savefig("scatterplot.png")

# Convert the image to PDF using IronPDF
ImageToPdfConverter.ImageToPdf("scatterplot.png").SaveAs("scatterplot.pdf")

# Display the plot
plt.show()

PYTHON

Code-Erklärung

In diesem Beispiel verwenden wir den "tips"-Datensatz, um ein Punktdiagramm zu zeichnen, speichern es als Bild und konvertieren es mithilfe von IronPDF in ein PDF.

Importieren von Bibliotheken: Importieren Sie notwendige Bibliotheken für die Datenvisualisierung und PDF-Erstellung.
Lizenzschlüssel: Das Hinzufügen eines Lizenzschlüssels ist notwendig, damit die IronPDF-Bibliothek funktioniert.
Datensatz laden: Laden Sie den Beispieldatensatz "tips".
DataFrame drucken: Drucken Sie das DataFrame, um es in der Ausgabe zu sehen.
Diagramm erstellen: Verwenden Sie die scatterplot-Methode von Seaborn, um die Daten zu visualisieren.
Diagramm speichern: Speichern Sie Ihr Diagramm mit der savefig-Methode von Matplotlib.
In PDF konvertieren: Verwenden Sie die Methoden ImageToPdf und SaveAs von IronPDF, um das Bild in ein PDF zu konvertieren.
Diagramm anzeigen: Zeigen Sie das Punktdiagramm mit plt.show() an.

Ausgabe

Seaborn Python (How it Works for Developers Guide): Abbildung 7 - Punktdiagramm-Fenster aus dem obigen Code-Beispiel

PDF

Seaborn Python (How it Works for Developers Guide): Abbildung 8 - PDF-Ausgabe mithilfe von IronPDF zur Darstellung des Punktdiagramms

IronPDF-Lizenz

IronPDF für Python-Lizenzschlüssel ermöglicht Nutzern, seine umfassenden Funktionen vor dem Kauf zu testen. Nach dem Testlizenzzeitraum können Entwickler eine dauerhafte Lizenz erwerben, die ihren Projektanforderungen entspricht.

Platzieren Sie den Lizenzschlüssel am Anfang des Skripts, bevor Sie das IronPDF-Paket verwenden:

from ironpdf import * 
# Apply your license key
License.LicenseKey = "key"

from ironpdf import * 
# Apply your license key
License.LicenseKey = "key"

PYTHON

Abschluss

Seaborn ist weithin anerkannt für seine Fähigkeiten in der Datenvisualisierung. Seine hochrangige Schnittstelle, Integration mit Pandas und schöne Standardstile machen es zu einer ausgezeichneten Wahl für die Erstellung informativer und attraktiver statistischer Grafiken. Ob Sie Anfänger oder erfahrener Datenwissenschaftler sind, Seaborn kann Ihnen helfen, Ihre Daten effektiver zu erkunden und zu verstehen. On the other hand, IronPDF is a popular library for PDF generation and manipulation in .NET environments, known for its robust feature set and ease of use, helps to document and archive the results from Seaborn in a standard way to save them as PDFs. Beide Bibliotheken bieten Entwicklern hervorragende Fähigkeiten zur Entwicklung und Archivierung moderner Datenvisualisierungsergebnisse.

Curtis Chau

Jetzt mit dem Ingenieurteam chatten

Technischer Autor

Curtis Chau hat einen Bachelor-Abschluss in Informatik von der Carleton University und ist spezialisiert auf Frontend-Entwicklung mit Expertise in Node.js, TypeScript, JavaScript und React. Leidenschaftlich widmet er sich der Erstellung intuitiver und ästhetisch ansprechender Benutzerschnittstellen und arbeitet gerne mit modernen Frameworks sowie der Erstellung gut strukturierter, optisch ansprechender ...