实验四 Seaborn绘图(关系图、分类图、回归图的绘制）

• 花匠小妙招
• 2026-03-23 20:05

一、实验目的：

1、了解并掌握Seaborn绘图工具库的基础语法和绘图风格；

2、学习Seaborn库中定性调色板、连续调色板和离散调色板的用法； 

3、学习、理解和掌握使用Seaborn库绘制关系图、分类图和回归图。

二、实验环境：

1、Windows 7操作系统；

2、语言：Python；

3、编译环境：PyCharm、 Jupyter Notebook、vscode等。

习题1：分别以seaborn绘图库中5种预设主题，绘制[0,2π]区间的正弦函数，并根据结果简述各预设主题的区别；

import numpy as np

import seaborn as sns

import matplotlib.pyplot as plt

x = np.linspace(0, 2 * np.pi, 1000)

y = np.sin(x)

sns.set_style("whitegrid")

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

plt.show()

sns.set_style("dark")

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

plt.show()

sns.set_style("white")

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

plt.show()

sns.set_style("darkgrid")

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

plt.show()

sns.set_style("ticks")

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

plt.show()

python

运行

知识拓展：空气质量指数（Air Quality Index，AQI）简而言之就是能够对空气质量进行定量描述的数据。空气质量(Air Quality )的好坏反映了空气污染程度，它是依据空气中污染物浓度的高低来判断的。空气污染是一个复杂的现象，在特定的时间和地点，空气污染物浓度受到许多因素影响。芜湖市2020年空气质量指数的部分数据如下表所示（实验数据aqi.csv）。涉及到的函数有：scatterplot、stripplot、distplot、regplot等函数的具体用法。请根据以下数据完成相关操作和计算。

1）使用pandas库读取芜湖市2020年空气质量指数统计数据。

（2）绘制AQI和PM2.5的关系散点图。

（3）绘制空气质量等级分类散点图。

（4）绘制空气质量等级单变量分布图。

（5）绘制PM2.5与AQI的线性回归拟合图。

（6）计算相关系数。

import pandas as pd

import seaborn as sn

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.rcParams['font.family'] = 'sans-serif'

aqi = pd.read_csv(r"C:Users30065Desktop数据可视化aqi.csv")

plt.figure(figsize=(15, 10))

plt.scatter(aqi[aqi.columns[1]], aqi[aqi.columns[3]])

plt.xlabel('AQI', fontsize=20)

plt.ylabel('PM2.5', fontsize=20)

plt.title('芜湖市AQI和PM2.5的关系散点图', fontsize=25)

plt.show()

plt.figure(figsize=(15, 10))

sn.stripplot(x=aqi[aqi.columns[2]], y=aqi[aqi.columns[1]], data=aqi, jitter=True)

plt.xlabel('AQI', fontsize=20)

plt.ylabel('空气等级', fontsize=20)

plt.title('芜湖市空气质量等级分类散点图', fontsize=25)

plt.show()

sn.countplot(x=aqi.columns[2], data=aqi)

plt.title("空气质量等级单变量分布图")

plt.xlabel("质量等级")

plt.ylabel("频数")

plt.show()

sn.regplot(x='PM2.5含量（ppm）', y='AQI', data=aqi)

plt.title('PM2.5与AQI的线性回归拟合图')

plt.xlabel('PM2.5含量（ppm）')

plt.ylabel('AQI')

plt.show()

corr = aqi[['AQI', 'PM2.5含量（ppm）', 'PM10含量（ppm）', 'SO2含量（ppm）', 'CO含量（ppm）', 'NO2含量（ppm）', 'O3_8h含量（ppm）']].corr()

print("AQI与其他因素的相关系数如下：n", corr)

plt.figure(figsize=(17, 14))

corr = aqi[['AQI', 'PM2.5含量（ppm）', 'PM10含量（ppm）', 'SO2含量（ppm）', 'CO含量（ppm）', 'NO2含量（ppm）', 'O3_8h含量（ppm）']].corr()

sn.heatmap(corr, cmap='RdBu_r', annot=True, linewidths=1)

plt.title("各污染物之间的特征相关性热力分布图", fontsize=25)

plt.xticks(fontsize=15)

plt.yticks(fontsize=15)

plt.show()

python

运行

相关知识

实验四 Seaborn绘图(关系图、分类图、回归图的绘制）
python 如何绘制四个图
seaborn可视化
如何利用 Seaborn 实现高级统计图表
【Python】芜湖市空气质量指数可视化（散点图、分类散点图、单变量分布图、线性回归拟合图、相关性热力图）
看看《MATLAB科研绘图与学术图表绘制从入门到精通》示例：绘制山鸢尾萼片长度和萼片宽度的小提琴图
Python实现平行坐标图的绘制(plotly)
鸢尾花数据seaborn数据可视化
【Python数据可视化秘籍】：Matplotlib和Seaborn图表绘制高级技巧
Pandas入门篇（三）

网址: 实验四 Seaborn绘图(关系图、分类图、回归图的绘制） https://m.huajiangbk.com/newsview2583331.html

上一篇: PM2.5和PM10有什么不同？

下一篇: 能见度与PM2.5浓度关系及其分