Seaborn-导入数据集和库

Seaborn是一个基于matplotlib的数据可视化库，可帮助用户创建各种漂亮的图形。Seaborn内置了很多经典的数据集，同时也可以方便地导入其他数据集。本文将介绍如何导入Seaborn和数据集。

导入Seaborn和数据集

导入Seaborn和数据集的代码如下所示：

import seaborn as sns
import pandas as pd

# 导入内置数据集iris
iris = sns.load_dataset('iris')

# 导入csv文件中的数据集
data = pd.read_csv('data.csv')

使用import seaborn as sns导入Seaborn库，使用import pandas as pd导入pandas库。sns.load_dataset()可以导入Seaborn内置的经典数据集，如示例中的iris数据集。使用pd.read_csv()可以导入csv文件中的数据集，其中'data.csv'为数据集文件的路径。

Seaborn内置数据集

Seaborn内置了很多经典的数据集，可以方便地用于练习和演示数据可视化。以下是常用的内置数据集名称和描述：

• anscombe： Anscombe的四个数据集。

• attention： 心理学实验中的注意力数据集。

• brain_networks： 脑网络数据集。

• car_crashes：汽车事故数据集。

• diamonds：钻石数据集。

• dots：常规点例数据集。

• exercise：运动员数据集。

• flights：美国航班延误数据集。

• fmri：功能磁共振成像数据集。

• gammas：伽马射线数据集。

• iris：鸢尾花数据集。

• mpg：汽车燃油经济数据集。

• planets：太阳系行星数据集。

• tips：餐厅小费数据集。

• titanic：泰坦尼克号生存数据集。

可以通过以下代码查看数据集：

# 查看iris数据集前5行
print(iris.head())

# 查看diamonds数据集前5行
print(sns.load_dataset('diamonds').head())

运行结果如下所示：

   sepal_length  sepal_width  petal_length  petal_width species
0           5.1          3.5           1.4          0.2  setosa
1           4.9          3.0           1.4          0.2  setosa
2           4.7          3.2           1.3          0.2  setosa
3           4.6          3.1           1.5          0.2  setosa
4           5.0          3.6           1.4          0.2  setosa

   carat      cut color clarity  depth  table  price     x     y     z
0   0.23    Ideal     E     SI2   61.5   55.0    326  3.95  3.98  2.43
1   0.21  Premium     E     SI1   59.8   61.0    326  3.89  3.84  2.31
2   0.23     Good     E     VS1   56.9   65.0    327  4.05  4.07  2.31
3   0.29  Premium     I     VS2   62.4   58.0    334  4.20  4.23  2.63
4   0.31     Good     J     SI2   63.3   58.0    335  4.34  4.35  2.75

导入其他数据集

如果想要使用其他数据集进行数据可视化，可以通过以下代码导入：

import pandas as pd

# 导入csv文件中的数据集
data = pd.read_csv('data.csv')

# 查看数据集前5行
print(data.head())

其中，'data.csv'为数据集文件的路径。

总结

本文介绍了如何导入Seaborn和数据集，以及常用的Seaborn内置数据集。开发者可以通过导入数据集进行数据可视化的练习和演示。