当前位置：首页>python>Python可视化Seaborn全攻略 | Part.4

Python可视化Seaborn全攻略 | Part.4

  • 2026-10-10 19:10:22
Python可视化Seaborn全攻略 | Part.4

第四篇：Seaborn实战篇｜散点图详解，展示变量关系超直观📊

经过前三篇的铺垫，今天终于进入Seaborn实战环节啦！

散点图是日常可视化中使用频率最高的图表之一，核心作用是展示两个数值型变量之间的关系（比如“账单金额与小费金额的相关性”“身高与体重的关系”）。

用Seaborn绘制散点图，代码极简，还能一键分组、自定义样式，比Matplotlib更强大、更好看，新手直接复制就能运行👇

🔍 核心函数：sns.scatterplot() 散点图绘制

Seaborn绘制散点图的核心函数是sns.scatterplot()，参数简单易懂，我们分“基础版”和“进阶版”讲解，循序渐进，新手也能跟上。

✅ 基础散点图（直接复制运行）

用小费数据集，展示“账单金额”与“小费金额”的关系，最基础的散点图，3行核心代码搞定：

import seaborn as snsimport matplotlib.pyplot as plt# 自定义主题：解决中文乱码+设置字体、线条、配色sns.set(    style="whitegrid",  # 基础主题    font_scale=1.2,     # 字体缩放比例（1.2倍更清晰）    palette="Set2",     # 全局配色方案    rc={        "font.sans-serif": ["SimHei"],  # 解决中文乱码（必加）        "axes.facecolor": "#F5F5F5",    # 图表背景色（浅灰色，更柔和）        "lines.linewidth": 2            # 线条宽度（更醒目）    })# 1. 加载数据tips = sns.load_dataset("tips")# 2. 绘制基础散点图：x轴=账单金额，y轴=小费金额sns.scatterplot(x="total_bill", y="tip", data=tips)# 3. 自定义标题和坐标轴标签（提升可读性）plt.title("账单金额与小费金额关系散点图")plt.xlabel("账单金额（元）")plt.ylabel("小费金额（元）")# 显示图表plt.show()

✅ 进阶散点图：按类别分组，信息量拉满

很多时候，我们需要对比不同类别的数据关系（比如“不同性别、不同用餐时间的小费差异”），通过hue（颜色）、style（形状）参数，就能轻松实现分组展示：

import seaborn as snsimport matplotlib.pyplot as plt# 自定义主题：解决中文乱码+设置字体、线条、配色sns.set(    style="whitegrid",  # 基础主题    font_scale=1.2,     # 字体缩放比例（1.2倍更清晰）    palette="Set2",     # 全局配色方案    rc={        "font.sans-serif": ["SimHei"],  # 解决中文乱码（必加）        "axes.facecolor": "#F5F5F5",    # 图表背景色（浅灰色，更柔和）        "lines.linewidth": 2            # 线条宽度（更醒目）    })tips = sns.load_dataset("tips")# 1. 按性别分组（hue=性别），不同性别用不同颜色sns.scatterplot(x="total_bill", y="tip", hue="sex", data=tips)plt.title("按性别分组：账单金额与小费金额关系")plt.show()# 2. 按性别（颜色）+ 用餐时间（形状）双重分组sns.scatterplot(x="total_bill", y="tip", hue="sex", style="time", data=tips)plt.title("按性别+用餐时间分组：账单金额与小费金额关系")plt.show()# 3. 按人数分组，用散点大小表示人数（人数越多，散点越大）sns.scatterplot(x="total_bill", y="tip", size="size", data=tips)plt.title("按人数分组：账单金额与小费金额关系")plt.show()

💡 避坑小技巧

  • 数据量过大时，散点会重叠？用alpha参数设置透明度（0-1之间），比如alpha=0.6，重叠部分会更清晰；

  • 分组颜色不好看？用palette参数自定义配色，比如palette="Set2"，Seaborn内置多种配色方案；

  • 散点太小/太大？用s参数设置散点大小，比如s=80，数值越大，散点越大。

✅ 自定义散点图样式（实战常用）

结合前面的主题设置，自定义散点图的颜色、边框、透明度，打造专属高颜值散点图：

import seaborn as snsimport matplotlib.pyplot as plttips = sns.load_dataset("tips")sns.set_style("whitegrid")# 自定义散点图：颜色+边框+透明度+大小sns.scatterplot(    x="total_bill", y="tip", data=tips,    color="#FF6B6B",  # 散点颜色（红色）    edgecolor="black",  # 散点边框颜色（黑色）    alpha=0.7,  # 透明度（0.7，避免重叠）    s=100,  # 散点大小    hue="sex",  # 按性别分组    palette="Set1"  # 分组配色)

📌 第四篇小结+下篇预告

本篇我们掌握了Seaborn散点图的基础绘制、分组展示和样式自定义，能轻松应对日常“展示变量关系”的可视化需求～

下篇我们将讲解另一种高频图表——线图，教你展示数据的变化趋势（比如“月份与航班数量的变化”），适合时间序列分析，记得关注！

往期回顾：

Python学习笔记——从入门到报废（十九、第三方库（下））

Python学习笔记——从入门到报废（十八、第三方库（上））

Python可视化Seaborn全攻略 | Part.1

绘图封神，Matplotlib全套教程｜Part.1

（文章使用AI进行润色和排版）

本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：596563534@qq.com 。

Python 循环嵌套实战:九九乘法表+经典案例,零基础也能学会

Rust 值转换 12 法:写给 Python 开发者

最新文章

随机文章