Matplotlib与Seaborn的区别

Matplotlib与Seaborn的区别

　　数据可视化是数据的图形表示。它将庞大的数据集转换为小图表，从而有助于数据分析和预测。它是数据科学不可或缺的元素，它使复杂的数据更易于理解和访问。Matplotlib 和 Seaborn 是通过 Python 实现数据可视化的支柱。本文晓得博客为你介绍Matplotlib与Seaborn的区别。

　　Matplotlib：它是一个 Python 库，用于在 Numpy 和 Pandas 等其他库的帮助下绘制图形。它是 Python 中可视化数据的强大工具。它用于创建静态推断和绘制数组的二维图。它由 John D. Hunter 于 2002 年首次提出。它使用 Pyplot 提供类似 MATLAB 的免费且开源的接口。它能够处理各种操作系统及其图形后端。

　　Seaborn：它也是一个 Python 库，用于在 Matplotlib、Pandas 和 Numpy 的帮助下绘制图形。它建立在 Matplotlib 的基础上，被认为是 Matplotlib 库的超集。它有助于可视化单变量和双变量数据。它使用漂亮的主题来装饰 Matplotlib 图形。它是描绘线性回归模型的重要工具。它用于制作静态时间序列数据的图表。它消除了图形的重叠并有助于美化图形。

　　推荐：Numpy numpy.resize()调整数组大小

Matplotlib 和 Seaborn 的区别表

特征	Matplotlib	Seaborn
功能性	它用于制作基本图表。数据集借助条形图、直方图、饼图、散点图、线条等进行可视化。	Seaborn 包含许多用于数据可视化的模式和图表。它使用迷人的主题。它有助于将整个数据编译成单个图。它还提供数据的分发。
句法	它使用相对复杂和冗长的语法。示例：条形图的语法 – matplotlib.pyplot.bar(x_axis, y_axis)。	它使用相对简单的语法，更容易学习和理解。示例：bargraph-seaborn.barplot(x_axis, y_axis) 的语法。
处理多个数字	我们可以同时打开和使用多个图形。但它们明显是关闭的。一次关闭一个图形的语法：matplotlib.pyplot.close()。关闭所有图形的语法：matplotlib.pyplot.close(“all”)	Seaborn 为每个人物的创作设定了时间。但是，它可能会导致（OOM）内存不足问题
可视化	Matplotlib 与 Numpy 和 Pandas 紧密相连，充当 python 中数据可视化的图形包。Pyplot 提供与 MATLAB 类似的功能和语法。因此，MATLAB用户可以轻松地学习它。	Seaborn 更擅长处理 Pandas 数据帧。它使用基本的方法集在 python 中提供漂亮的图形。
柔韧性	Matplotlib 是一个高度定制且强大的	Seaborn 借助默认主题避免了绘图重叠
数据框和数组	Matplotlib 可以有效地处理数据框和数组。它将图形和轴视为对象。它包含各种用于绘图的有状态 API。因此像plot()这样的方法可以在没有参数的情况下工作。	Seaborn 比 Matplotlib 更实用、更有组织性，并将整个数据集视为一个单元。Seaborn 没有那么有状态，因此在调用像plot()这样的方法时需要参数
用例	Matplotlib 使用 Pandas 和 Numpy 绘制各种图表	Seaborn 是 Matplotlib 的扩展版本，它使用 Matplotlib 以及 Numpy 和 Pandas 来绘制图表

　　推荐：如何使用Kadence Table of Contents目录块

使用Matplotlib和Seaborn的示例

简单的线图

matplotlib

import matplotlib.pyplot as plt

x = [1,2,3,4,5]
y = [1,4,9,16,25]

plt.plot(x, y)
plt.title('Simple Line Chart')
plt.xlabel('x')
plt.ylabel('y')
plt.show()

seaborn

import seaborn as sns

x = [1,2,3,4,5]
y = [1,4,9,16,25]

sns.lineplot(x=x, y=y)

　　推荐：用于数据可视化5个Python包

散点图矩阵(Scatter Matrix)

matplotlib

from matplotlib import pyplot as plt
from matplotlib.ticker import NullFormatter
import numpy as np

x, y = np.random.rand(2, 40) 

plt.scatter(x, y)
plt.xlabel('x')
plt.ylabel('y')

seaborn

import seaborn as sns
df = sns.load_dataset('iris')
sns.pairplot(df, hue='species', height=2.5)

　　推荐：如何在MacOS上安装Matplotlib

　　推荐：Matplotlib使用教程