在生产环境中测试,无水印。
随时随地满足您的需求。
获得30天的全功能产品。
几分钟内就能启动并运行。
在您的产品试用期间,全面访问我们的支持工程团队。
统计数据可视化 Seaborn 是一个流行的 Python 可视化库。 它是建立在 Matplotlib Python 模块之上的,并提供了一个高级接口,用于绘制有吸引力且信息丰富的统计图形。 Seaborn 非常适合可视化复杂的数据集,使数据分析更加直观。在本文的后面部分,我们还将研究来自IronSoftware 的 PDF 生成和处理库 IronPDF。
高级接口:Seaborn 提供了一个高级接口,简化了创建复杂可视化的过程。 这意味着您只需几行代码即可制作复杂的图表。
与 Pandas 的集成:Seaborn 可以无缝集成 Pandas 数据结构,使得可视化存储在 DataFrames 中的数据变得轻而易举。
美观的默认样式:Seaborn 拥有美观的默认样式和调色板,这有助于使图表更具吸引力且更易于解读。
统计估计:Seaborn 包含用于估计和绘制统计关系的函数,例如回归线和置信区间。
单变量分布在Seaborn
直方图:将数据点的频率以区间为单位进行可视化。
KDE Plot:显示代表数据密度的平滑曲线。
ECDF 图:显示数据点的累积比例。
Seaborn 中的双变量分布
1. 散点图:展示两个变量之间的关系。
2. 六边形图:使用六边形网格显示数据密度。
3. 双变量KDE图:用于两个变量的平滑密度图。
4. 配对图:显示数据集中成对的关系。
要开始使用 Seaborn,您需要使用 pip 安装它:
pip install seaborn
py
安装完成后,您可以用 import matplotlib 导入 Seaborn,并创建可视化图形。 下面是一个简单的例子:
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()
py
在此示例中,我们加载“tips”数据集,并创建一个散点图,显示总账单和小费金额之间的关系,使用不同颜色代表一天中的不同时间。
sns.relplot(data=tips, x="total_bill", y="tip", hue="smoker", style="time")
plt.show()
py
sns.boxplot(data=tips, x="day", y="total_bill", hue="smoker")
plt.show()
py
sns.histplot(data=tips, x="total_bill", kde=True)
plt.show()
py
glue = sns.load_dataset("glue").pivot(index="Model", columns="Task", values="Score")
sns.heatmap(glue)
plt.show()
py
Seaborn 图可以用于分布图、折线图、箱线图和条形图,还可以轻松地使用真实世界数据或统计数据进行绘图。
Seaborn允许对图表进行广泛的自定义。 您可以更改图表的样式、调色板和其他方面以满足您的需求。 例如,您可以使用以下方式设置主题:
sns.set_theme(style="whitegrid")
py
IronPDF 是一个强大的 Python 库,旨在使用 HTML、CSS、图像和 JavaScript 创建、编辑和签署 PDF。它在使用最少内存的同时提供高质量的性能。 关键功能包括:
HTML 转换为 PDF:
将HTML文件、HTML字符串和URL转换为PDF。例如,使用Chrome PDF渲染器将网页渲染为PDF。
跨平台支持:
IronPDF 适用于 Python 3+,并且可以在 Windows、Mac、Linux 或云平台上运行。
IronPDF 也可以在 .NET、Java、Python 和 Node.js 中使用。
编辑和签署:
设置属性、应用密码和权限,并为您的PDF添加数字签名。
页面模板和设置:
您可以通过页眉、页脚、页码和可调整的页边距自定义 PDF 文件。 此外,它还支持自定义纸张大小和响应式布局。
标准合规:
符合 PDF 标准,包括 PDF/A 和 PDF/UA,支持 UTF-8 字符编码,并能管理图片、CSS 和字体等资产。
pip install ironpdf
py
确保已安装 Visual Studio Code 作为代码编辑器。
已安装Python版本3。
首先,让我们创建一个 Python 文件来添加我们的脚本
打开 Visual Studio Code,并创建一个名为 seabornDemo.py 的文件。
安装必要的库:
pip install seaborn
pip install ironpdf
py
然后添加以下代码以演示IronPDF和Seaborn Python包的使用
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)
# Seaborn note: Create a simple scatter plot
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time")
plt.savefig("scatterplot.png") # save same plot
ImageToPdfConverter.ImageToPdf("scatterplot.png").SaveAs("scatterplot.pdf")
plt.show()
py
在此示例中,我们将使用上述示例中的相同小费数据框,并绘制散点图。 然后,使用IronPDF将其保存为图像并转换为PDF。
在 Python 文件中添加导入:import seaborn as sns、import matplotlib.pyplot as plt 和 from ironpdf import * 。
添加许可证密钥以开始使用IronPDF。
加载样本数据框“tips”,其中包含每张账单的总金额和小费信息。
打印加载的数据框以在输出窗口中查看。
使用 seaborn 包中的 scatterplot 方法创建散点图。
使用 savefig 方法保存图形。
下一步是使用 IronPDF 创建 PDF,并使用 'ImageToPdf' 和 'SaveAs' 方法保存图像,命名文件为 scatterplot.pdf。
IronPDF Python 许可证密钥,允许用户在购买之前测试其全面的功能。 在试用许可证期结束后,开发人员可以购买适合其项目需求的永久许可证。
在使用IronPDF包之前,请将许可证密钥放在脚本的开头:
from ironpdf import *
# Apply your license key
License.LicenseKey = "key"
py
Seaborn 因其在数据可视化方面的能力而广受认可。 其高级接口、与 Pandas 的集成以及美观的默认样式,使其成为创建信息丰富且吸引眼球的统计图形的绝佳选择。 无论您是初学者还是经验丰富的数据科学家,Seaborn都能帮助您更有效地探索和理解数据。 另一方面,IronPDF 是一个用于 .NET 环境中生成和操作 PDF 的热门库,以其强大的功能集和易用性而闻名,能够帮助将 Seaborn 的结果以标准方式记录和存档为 PDF。 这两个库为开发人员增加了出色的技能,用于开发和存档现代数据可视化结果。