Seaborn 教程
1
Seaborn介绍及入门了解

Seaborn 是一个用于在 Python 中制作统计图形的库,它能够创建高度吸引人的可视化图表, 它建立在 matplotlib 之上,并与 pandas 数据结构紧密集成,提供了更为简便的API和更为丰富的可视化函数, 使得数据分析与…

2025-05-13

2
Seaborn 绘图功能概述

Seaborn‌是一个基于‌Matplotlib‌的Python数据可视化库,专为统计绘图而设计。 它提供了一套高级接口,使创建复杂且信息丰富的统计图表变得简单。 Seaborn 的核心优势包括优雅的默认样式、内置统计功能、无缝处理数据框…

2025-05-9

3
Seaborn 接受的数据结构

作为一个数据可视化库,seaborn 需要您为其提供数据。 Seaborn 支持多种不同的数据集格式,大多数函数接受用 pandas 或 numpy 库中的对象表示的数据, 以及内置的 Python 类型,如列表和字典。 了解与这些不同选…

2025-05-9

4
Seaborn中的seaborn.objects 接口

seaborn.objects命名空间是在 0.12 版本中引入的,作为制作seaborn绘图的全新接口。 它提供了一个更加一致和灵活的 API,包括用于转换和绘制数据的可组合类的集合。 与seaborn现有功能相比,新界面支持端到端的绘…

2025-05-9

5
Seaborn中的可视化统计关系

统计分析是了解数据集中的变量如何相互关联以及这些关系如何依赖于其他变量的过程。 可视化可以成为此过程的核心组成部分,因为当数据正确可视化时,人类视觉系统可以看到表明关系的趋势和模式。 在本教程中,我们将讨论三个 seaborn 函数。我们…

2025-04-24

6
Seaborn中的可视化数据分布

在对数据进行任何分析或建模时,一个早期的步骤应该是了解变量的分布方式。 分布可视化技术可以为许多重要问题提供快速答案。观测值涵盖多大范围?他们的核心趋势是什么? 它们是否严重偏向一个方向?有证据表明是双峰的吗?是否存在显著的异常值?这些问…

2025-04-24

7
Seaborn中的可视化分类数据

在关系图教程中,我们了解了如何使用不同的视觉表示来显示数据集中多个变量之间的关系。 在示例中,我们重点关注主要关系在两个数值变量之间的情况。 如果其中一个主要变量是“分类”(分为离散组),则使用更专业的可视化方法可能会有所帮助。 在sea…

2025-04-24

8
Seaborn中的统计估计和误差线

数据可视化有时涉及聚合或估计步骤,其中多个数据点被简化为汇总统计量,例如平均值或中位数。 显示汇总统计数据时,通常适合添加误差线,这些误差线提供了有关汇总表示基础数据点的程度的视觉提示。 当给定一个完整的数据集时,几个 seaborn 函…

2025-05-9

9
Seaborn 中的估计回归拟合

许多数据集包含多个定量变量,分析的目标通常是将这些变量相互关联。 之前讨论过可以通过显示两个变量的联合分布来实现这一点的函数。 但是,使用统计模型来估计两组噪声观测值之间的简单关系可能非常有帮助。 本章讨论的函数将通过线性回归的通用框架来…

2025-05-9

10
Seaborn中构建结构化多绘图网格

在浏览多维数据时,一种有用的方法是在数据集的不同子集上绘制同一图的多个实例。 这种技术有时被称为“格子”或“格子”绘图,它与“小倍数”的概念有关。 它允许查看者快速提取有关复杂数据集的大量信息。 Matplotlib 为制作多轴图形提供了…

2025-05-9

11
Seaborn中控制参数美化可视化结果

在使用可视化技术探索数据集特征时,最好有令人愉悦的绘图。 可视化对于向观众传达定量见解也至关重要,在这种情况下,更需要有能够吸引注意力并吸引观众的数字。 Matplotlib 是高度可定制的,但很难知道要调整哪些设置才能获得有吸引力的绘图…

2025-04-24

12
Seaborn中的选择调色板

Seaborn 可以轻松使用适合您的数据特征和可视化目标的颜色。 本章介绍了seaborn 中快速找到给定应用的最佳解决方案的工具。 在绘图中使用颜色的一般原则 颜色的组成部分 由于seaborn的工作方式,可以使用三个组件来定义特定的颜…

2025-04-24

阅读使用手册


平台的登录与使用,请参考 《用户使用手册》


注册用户账号


若尚未开通科学计算平台使用权限,请 注册用户账号


登陆


第三方账号登录




介绍

为了方便学习Python语言,基于Jupyter技术栈搭建了在线计算环境。 用户使用时以网页形式打开,对照书中内容进行学习,在线编写代码和运行代码,代码的运行结果也会直接显示。如在编程过程中需要编写说明文档,可在同一个页面直接编写,便于作及时的说明和解释。

在数据科学、机器学习及深度学习的领域里,Jupyter是一个强大的工具,它集成了代码编写、可视化展示、文档记录等多种功能于一体,让科学计算变得既直观又高效。 随着数据科学和人工智能领域的不断发展,Jupyter 也在不断更新和完善其功能和性 能。 未来可以期待看到更多创新的特性和工具被加入到 Jupyter 中,从而进一步推动科学计算和数据分析的发展。





平台内核

目前平台提供配置好的计算时内核供运行使用。后期会根据需求增加公用内核及内核中的默认类库。 相关语言运行环境与类库一般由 Conda 库提供最新版本。

  • Python 3.11 [系统]
  • Python 3.12 [Conda]
  • R 4.4 [Conda]


注意事项

  • 平台使用Jupyter技术搭建,登陆认证使用本系统的注册账号。
  • 使用提供一定数量的硬盘空间存储供用户使用。目前限制为 500M 。
Copyright © 立方智算 Since 2025. 工信部ICP备案:吉ICP备2025024314号