【书签】数据可视化（三）- Seaborn简易入门

最新推荐文章于 2026-06-19 17:00:49 发布
原创 最新推荐文章于 2026-06-19 17:00:49 发布 · 124 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#可视化 #数据可视化 #python #大数据 #人工智能
博客聚焦数据可视化，介绍了Seaborn的简易入门知识。Seaborn是数据可视化工具，结合Python可助力大数据与人工智能领域的数据呈现，让数据更直观易懂。
morein2008
关注
NCHS - Natality Measures for Females NCHS - 女性的出生措施-数据集
03-11
这是一个由疾病控制和预防中心托管的数据集。组织有一个开放的数据平台，他们根据引入的数据量更新他们的信息。使用卡格尔浏览 CDC 数据以及通过 CDC组织页面提供的所有数据源！此数据集每天更新。 file/opensearch/documents/93110/nchs-natality-measures-for-females-by-race-and-hispanic-origin-united-states.csv file/opensearch/documents/93110/socrata_metadata_nchs-natality-measures-for-females-by-hispanic-origin-subgroup-united-states.json file/opensearch/documents/93110/socrata_metadata_nchs-natality-measures-for-females-by-race-and-hispanic-origin-united-states.json
python数据可视化之Seaborn（三）：分布可视化
明曦君的小家
02-19 9167
写在开头：今天开始分享一下seaborn对于数据集分布的设计。该文章主要借鉴seaborn文档，会附在结尾链接。 前文回顾： 第一节分享了Seaborn绘图的整体颜色与风格比例调控，可点击链接查看。 python数据可视化之Seaborn（一） 第二阶分享了连续、分类、离散数据的绘图颜色的方法，可点击链接查看。 python数据可视化之Seaborn（二） Seaborn可视化内容安排 在Se...
seaborn可视化
czp_374的博客
11-27 247
添加链接描述
Seaborn 各种图形绘制
qq_42052864的博客
04-19 3188
Seaborn是基于matplotlib的图形可视化python包。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。 Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充，而不是...
详细的数据可视化库之Seaborn教程(一)——relplot：关系图（可视化统计量间的关系）
热门推荐
元气满满晨
03-05 2万+
seaborn（一）——可视化统计量间的关系（relationship） seaborn关注的是统计量之间的关系。 x，y一般为数值型数据，关注两个数值变量之间的关系 sns.relplot() relplot(): sns.replot(kind=“scatter”)，相当于scatterplot() sns.replot(kind=“line”)，相当于lineplot() 可绘...
终极指南：如何快速掌握AI和机器学习？最完整cheatsheets-ai速查表集合助你成为高效工程师 [特殊字符]
gitblog_00367的博客
05-09 882
**cheatsheets-ai** 是一个专门为机器学习工程师、数据科学家和AI研究人员设计的完整速查表集合。这个项目汇集了深度学习、机器学习、数据科学等领域最实用的速查表，帮助你在工作中快速查找关键概念和代码示例。无论是初学者还是有经验的开发者，这些AI速查表都能显著提升你的工作效率和学习效果。 ## 📊 为什么你需要AI速查表？ 在快速发展的AI和机器学习领域，每天都有新的框架、库和技
绘制混淆矩阵书签
todingdong的博客
06-05 210
如何用python画好confusion matrix https://blog.csdn.net/guoyilin/article/details/42047615
零基础3个月上岸[特殊字符]自学数据分析路线
sjfxscz的博客
09-10 448
⭐重点内容：核心函数，包括VLOOKUP、SUMIFS、INDEX-MATCH、数据透视表。可视化：柱状图、折线图、动态图表（切片器）。⭐重点内容：查询语句：SELECT、WHERE、GROUP BY、HAVING。⭐重点内容：数据处理：Pandas（数据读取、清洗、合并、分组聚合）。可视化：Matplotlib（基础图表）、Seaborn（统计图表）。📚书籍：《CDA精益业务数据分析》、《CDA商业策略数据分析》📚书籍：《Excel数据透视表应用大全》（深度掌握透视表）2️⃣SQL（3-4周）
Python图片压缩方法全解：从入门到进阶
最新发布
得塔云的博客
06-19 303
本文总结了Python中六种主流的图片压缩方法：1）Pillow作为通用首选，支持质量调整、尺寸缩放和格式转换；2）TinyPNG API提供最高压缩率但有限额；3）WebP格式在保持画质下体积最小；4）PyVips适合大图处理，内存占用低；5）OpenCV针对视频帧和实时流优化；6）K-means聚类实现算法级色彩压缩。文章通过对比表格和决策树，建议根据场景需求选择工具，日常使用Pillow即可满足大多数需求，并附赠了一个可直接使用的批量压缩脚本。
24-Django请求全链路-WSGI到数据库响应的完整旅程
weixin_44081096的博客
06-15 1061
你点了浏览器的"刷新"按钮，0.5 秒后页面渲染完毕。这 0.5 秒里发生了什么？本文把 Django 处理一个 HTTP 请求的完整链路拆为六个步骤：WSGI Server 接收 TCP 连接 → 中间件栈的洋葱模型逐层处理 → URL 路由匹配 → View 执行业务逻辑 → ORM 生成 SQL 并发送到数据库 → Template 渲染或 JSON 序列化返回响应。每一步都配有对应的源码位置和关键代码片段，读完你能对一个请求的全生命周期建立起清晰的空间模型。穿插真实调试经历——一个中间件错误导致所有
CUDA C++ 矩阵乘法详解：从 CUBLAS 示例到 cublasSgemm 实战
插件开发
06-15 730
本文解析了使用NVIDIA CUBLAS库进行高性能矩阵乘法的关键注意事项。由于CUBLAS采用列主序存储，而C/C++使用行主序，直接调用cublasSgemm(A,B)会导致隐式转置，实际计算的是Aᵀ*Bᵀ。正确做法是颠倒参数顺序调用cublasSgemm(B,A)，这样既避免了显式转置，又能直接获得行主序结果。文中提供了完整的CUDA代码示例，包括CPU参考实现、矩阵初始化和误差检查函数，并详细解释了行/列主序转换的原理，帮助开发者正确使用CUBLAS进行高效矩阵运算。
鸿蒙PC迁移：fontTools Python 三方库鸿蒙PC适配全记录
knighthood2001
06-15 5503
欢迎加入鸿蒙PC开发者社区，共同打造开发者工具生态：鸿蒙PC开发者社区：https://harmonypc.csdn.net/项目开源地址：https://atomgit.com/OpenHarmonyPCDeveloper/ohos_fontTools欢迎在PC社区平台申请新建项目：https://atomgit.com/OpenHarmonyPCDeveloper这篇文章记录的是一次把 Python 字体处理三方库fontTools接入 HarmonyOS PC / 鸿蒙 PC 应用的完整过程。
AI Infra 硬件体系与编程模型：18. CUDA编程基础：使用 PyTorch CUDA Extension 实现自定义算子
basketball616的博客
06-17 434
本文详细介绍了PyTorch CUDA扩展的开发方法与架构。主要内容包括： 开发动机：解决原生算子不足、Python实现性能差、需要算子融合和硬件特性定制等问题 三层架构： CUDA核函数层：纯GPU计算逻辑 C++封装层：连接PyTorch与CUDA，处理张量转换 Python层：提供用户接口 核心依赖：ATen张量库作为基础，通过torch/extension.h头文件提供统一接口 关键技术： 使用pybind11实现Python-C++绑定 支持即时编译(JI
Hermes Agent 中 Skills 与 Tools 的关系分析
LOUISLIAOXH的专栏
06-16 285
Hermes Agent 中 Skills 与 Tools 的关系分析 Hermes Agent 将 Skills 功能通过 3 个独立 tool（skills_list、skill_view、skill_manage）暴露给大模型，而非单一工具。这些工具注册在 skills toolset 下，并在系统初始化时加载。 内容装载采用三级机制： 系统提示注入：初始化时在 system prompt 中嵌入紧凑的技能索引（仅名称和简介）； 工具 Schema 描述：每次 API 调用携带详细功能说明； 按需加载
python打包
小小的博客
06-15 295
在Python打包工具的选型上，没有绝对的"最好"，只有"最适合"。简单来说：追求省心就用 PyInstaller，追求极致性能和保护就用 Nuitka，而 cx_Freeze 目前更像是一个夹在中间但已逐渐边缘化的选择。这三者的详细核心区别，可以参考下面的对比表格：基于上述对比，你可以根据你的项目情况来决策：从目前的社区活跃度和技术演进来看，cx_Freeze已逐渐边缘化。它既没有PyInstaller的便利性，也没有Nuitka的性能优势。配置相对复杂，社区支持也较弱。除非你在维护一个必须使用它的历史项
衣览无余测试报告
XU_very_NB的博客
06-16 227
本次测试工作以 AIWear Web 系统为对象，结合手工测试用例设计与 Python + Selenium 自动化测试脚本，对系统的登录认证、图片编辑、图片合并、图片管理、文搜图和历史记录等核心链路进行验证，重点关注页面功能正确性、登录态 token 传递、输入校验、图片选择及结果展示的稳定性。AIWear 项目围绕“衣览无余”的业务目标，提供基于 Web 的图片编辑、图片合并、我的图片、历史记录等功能，帮助用户通过简单的页面操作完成图片生成与管理。测试过程中重点关注登录态 token 的复用。
FastAPI基础
m0_60121089的博客
06-14 618
本文介绍了FastAPI框架的基础和进阶使用。主要内容包括：1）FastAPI基础：创建项目、路由定义（路径参数、查询参数、请求体参数）、响应类型设置和异常处理；2）进阶功能：中间件机制、依赖注入系统；3）ORM操作：通过SQLAlchemy实现数据库建模、增删改查和聚合分页查询。重点演示了FastAPI的高效API开发流程，包括参数校验、自动文档生成、异步数据库操作等特性，展现了其高性能、易用性和安全性优势。
JUC 总结：从 Java 内存模型到线程池的并发核心梳理
2301_80821045的博客
06-15 549
本文总结了Java并发编程（JUC）的基础知识要点： 进程与线程：进程是资源分配的最小单位，线程是调度的最小单位，线程更轻量级且切换成本低； 线程创建方式：继承Thread类、实现Runnable/Callable接口、使用线程池（推荐）； Runnable与Callable区别：Callable有返回值且可抛异常，需通过FutureTask适配； 线程状态：新建、可运行、阻塞、等待、定时等待和终止6种状态； 线程控制：start()启动新线程，run()同步执行；join()实现顺序执行，CountDow
为什么Python不用var或let声明变量？
这家伙很懒，什么都没有留下
06-18 326
语言声明关键字作用域规则需要类型吗？Python无（赋值即声明）函数级作用域否（注解可选）JavaScriptvarletconstletconst是块级，var是函数级否Java类型在前块级是C类型在前块级是Govar:=块级是Rustletlet mut块级是C++类型在前/auto块级是没有任何声明关键字。为什么Python不用var或let？设计哲学：赋值即声明，简洁明了，减少冗余语法历史因素：Python从一开始就这么设计，没有历史包袱避免复杂。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值