当前位置:首页>python>Python可视化Seaborn全攻略 | Part.5

Python可视化Seaborn全攻略 | Part.5

  • 2026-10-11 08:36:05
Python可视化Seaborn全攻略 | Part.5

第五篇:Seaborn实战篇|线图详解,展示数据趋势超清晰📈

上一篇我们学会了散点图,用来展示变量之间的关系;今天我们学习另一种高频图表——线图,核心作用是展示数据随时间或连续变量的变化趋势。

不管是“1949-1960年航班数量的变化”“每月销售额的波动”,还是“学生成绩的变化趋势”,用Seaborn线图都能清晰呈现,代码极简,颜值在线✨

📈 核心函数:sns.lineplot() 线图绘制

Seaborn绘制线图的核心函数是sns.lineplot(),支持单条线、多条线(分组)、误差线等功能,我们用航班数据集(时间序列数据)演示,新手直接复制运行。

✅ 基础线图(直接复制运行)

展示1949-1960年各月份航班数量的变化趋势,按月份分组,生成多条线,直观看出每年不同月份的航班波动:

import seaborn as snsimport matplotlib.pyplot as plt## 1. 加载航班数据集(时间序列数据,自带年份、月份、航班数量)flights = sns.load_dataset("flights")sns.set_style("whitegrid", rc={"font.sans-serif": ["SimHei"]})# 2. 绘制基础线图:x轴=年份,y轴=航班数量,按月份分组(多条线)sns.lineplot(x="year", y="passengers", hue="month", data=flights)# 3. 优化图表:调整标题、坐标轴标签、图例位置(避免遮挡)plt.title("1949-1960年各月份航班数量变化趋势")plt.xlabel("年份")plt.ylabel("航班数量(人)")plt.legend(bbox_to_anchor=(1.05, 1), loc="upper left")  # 图例放在右侧plt.tight_layout()# 显示图表plt.show()

✅ 进阶线图:自定义样式+误差线

实际分析中,我们常常需要自定义线图的颜色、线宽、标记点,还可能需要添加误差线(展示数据波动),提升图表专业性,这些用Seaborn都能一键实现:

import seaborn as snsimport matplotlib.pyplot as pltflights = sns.load_dataset("flights")sns.set_style("whitegrid", rc={"font.sans-serif": ["SimHei"]})# 1. 自定义线图样式:指定颜色、线宽、标记点sns.lineplot(    x="year", y="passengers", data=flights,    color="#FF6B6B",  # 线条颜色(红色)    linewidth=2,  # 线宽(2px,更醒目)    marker="o",  # 标记点样式(圆形)    markersize=6,  # 标记点大小    markerfacecolor="white",  # 标记点填充色(白色)    markeredgecolor="black"  # 标记点边框色(黑色))plt.title("1949-1960年航班数量整体变化趋势")plt.xlabel("年份")plt.ylabel("航班数量(人)")plt.show()# 2. 添加误差线(展示数据波动,适合科研、严谨分析)sns.lineplot(    x="year", y="passengers", hue="month", data=flights,    errorbar="sd"  # errorbar="sd" 表示添加标准差误差线)plt.title("1949-1960年各月份航班数量变化趋势(带误差线)")plt.legend(bbox_to_anchor=(1.05, 1), loc="upper left")plt.tight_layout()plt.show()

💡 避坑小技巧

  • 分组过多(如12个月份),图例会遮挡图表?用plt.legend(bbox_to_anchor=(1.05, 1), loc="upper left")将图例放在图表右侧;

  • 不需要分组?去掉hue参数,即可生成单条线图;

  • 误差线不需要?不写errorbar参数即可,默认不显示;

  • 线条太细/太粗?用linewidth参数调整,建议设置为1.5-2px,兼顾美观和清晰。

📌 第五篇小结+下篇预告

本篇我们掌握了Seaborn线图的基础绘制、样式自定义和误差线添加,能轻松应对时间序列分析、数据趋势展示等场景~

下篇我们将进入统计类图表的学习,讲解直方图,教你直观展示数据的分布区间(比如“账单金额集中在哪个范围”),搞定统计分析中的基础可视化需求!


往期回顾:

Python学习笔记——从入门到报废(十九、第三方库(下))

Python可视化Seaborn全攻略 | Part.1

绘图封神,Matplotlib全套教程|番外篇

绘图封神,Matplotlib全套教程|Part.1

(文章使用AI润色和排版)

最新文章

随机文章