基于Python的科研論文配圖繪制（三）
Datawhale 8月 組隊學(xué)習(xí)活動
參考書籍：《科研論文配圖繪制指南—— 基于Python》，寧海濤著，人民郵電出版社
一、初識Seaborn
這個庫就是相對比較特別的了，Seaborn 在 Matplotlib 的基礎(chǔ)上進 行了更加高級的封裝，多用于繪制學(xué)術(shù)統(tǒng)計圖。
圖類型
（1）關(guān)系型圖：包括scatterplot()（散點圖、氣泡圖）、relplot()（數(shù)據(jù)擬合散點圖）、lineplot()（線圖、帶標(biāo)記的線圖）函數(shù)。
（2）數(shù)據(jù)分布型圖：包括displot()（數(shù)據(jù)分布圖）、histplot()（直方圖）、kdeplot()（核密度圖）、ecdfplot()（經(jīng)驗分布函數(shù)）、rugplot()（軸底部毯形圖）等。
（3）分類數(shù)據(jù)型圖：包括stripplot()（抖動散點圖）、swarmplot()（蜂巢圖）、boxplot()（箱線圖）、boxenplot()（增強型箱線圖）等。
（4）回歸模型分析型圖：包括lmplot()（數(shù)據(jù)擬合回歸圖）、regplot()（線性回歸模型擬合圖）、residplot()（線性回歸殘差圖）等。
多子圖網(wǎng)格型圖
（1）FacetGrid() 函數(shù)：可實現(xiàn)數(shù)據(jù)集中任一變量的分布和數(shù)據(jù)集子集中多個變量之間關(guān)系的可視化展示。
（2）PairGrid() 函數(shù)：用于繪制數(shù)據(jù)集中具有成對關(guān)系的多子圖網(wǎng)格型圖，每個行和列都會被分配一個不同的變量。
繪圖風(fēng)格、顏色主題和繪圖元素縮放比例
（1）繪圖風(fēng)格：使用set_style()函數(shù)并設(shè)置其參數(shù)style，實現(xiàn)可視化效果。
（2）顏色主題：使用set_palette() 函數(shù)更改顏色主題。
（3）繪圖元素縮放比例：設(shè)置set_context()函數(shù)的參數(shù)context，實現(xiàn)對繪圖元素的縮放處理。
二、代碼實驗
參考書中提供的代碼只是核心代碼，需要達成上圖效果需要自行補充部分內(nèi)容，例如下面是書中對FacetGrid()函數(shù)的核心代碼：
import Seaborn as sns
import matplotlib.pyplot as plt?
g = sns.FacetGrid(df, col ='time', hue ='smoker')?
g.map(sns.regplot, "total_bill", "tip")?
g.add_legend()
而我們需要補充重點就在于①df（縱軸）的描述②文件保存與展示，而對應(yīng)板塊的參考資料增加了更多的參數(shù)用來豐富內(nèi)容，實際效果圖大差不差
過去的筆記是直接用的現(xiàn)成的參考材料，只有真正上手后才能發(fā)現(xiàn)問題，解決問題
（未完待續(xù)）
