公众号里的文章大多数需要编程基础，如果因为代码看不懂，而跟不上正文的节奏，可以来找我学习，相当于给自己一个新手保护期。我的课程都是循环开课。下一期的时间，点进去咨询微信↓ 生信分析直播课程(10月初下一期) 生信新手保护学习小组（预计9.13下一期） 单细胞陪伴学习小组（预计9.16下一期）
1.单变量作图
(1)直方图
(2)条形图，只能画离散型
练习
2.两变量作图
(1)箱线图
(2)点图，默认带趋势线
练习
3.分面
(1)自带分面参数的点图
(2)通用分面
练习
直方图：histplot，连续型和离散型数据都能画
条形图：countplot，只能画离散型
箱线图：boxplot
点图：regplot，自带趋势线，可以用参数设置不画趋势线。
趋势线图：lmplot(点图+趋势线图，可以用row或者col参数分面)
1.单变量作图
(1)直方图
import seaborn as sns
import matplotlib.pyplot as plt
iris = sns.load_dataset('iris')
#直方图，可以画连续型数据，也可以画离散型数据
sns.histplot(iris.sepal_length,kde=True)
plt.show()
课程里使用的seaborn版本是0.11.2，画箱线图和countplot时自带不同颜色，
现在最新的seaborn版本是0.13.2，颜色都是青蓝，我自己搜索设置了一下颜色。
sns.histplot(x = 'species',palette='Set2',hue = 'species',data = iris)
plt.show()
(2)条形图，只能画离散型
sns.countplot(x = 'species',palette='Set2',hue = 'species',data = iris)
plt.show()
练习
countplot（） 函数绘制sex列的条形图。2.使用 seaborn
histplot（） 函数绘制 total_bill 的直方图。import matplotlib.pyplot as plt
import seaborn as sns
tips = sns.load_dataset('tips')
# Bar plot
sns.____(x=____, data=tips)
plt.show()
# Histogram
sns.____(____, kde = True)
plt.show()
import matplotlib.pyplot as plt
import seaborn as sns
tips = sns.load_dataset('tips')
# Bar plot
sns.countplot(x='sex', data=tips)
plt.show()
# Histogram
sns.histplot(tips.total_bill, kde = True)
plt.show()
2.两变量作图
(1)箱线图
sns.boxplot(x='species', y='sepal_length', data=iris,palette='Set2',hue = 'species')
plt.show()
(2)点图，默认带趋势线
sns.regplot(x='sepal_length', y='sepal_width', data=iris)
plt.show()
#点图，不带趋势线
sns.regplot(x='sepal_length', y='sepal_width', data=iris,fit_reg=False)
plt.show()
练习
boxplot（） 函数画箱线图,横坐标是sex，纵坐标是tip。2.使用 seaborn
regplot() 函数生成散点图，横坐标是total_bill，纵坐标是tip。import matplotlib.pyplot as plt
import seaborn as sns
tips = sns.load_dataset('tips')
# Boxplot for tip by sex
sns.____(____=____, ____=____, data=tips)
plt.show()
# Scatter plot of total_bill and tip
sns.____(____=____, ____=____, ____=tips)
plt.show()
import matplotlib.pyplot as plt
import seaborn as sns
tips = sns.load_dataset('tips')
# Boxplot for tip by sex
sns.boxplot(x='sex', y='tip', data=tips)
plt.show()
# Scatter plot of total_bill and tip
sns.regplot(x='total_bill', y='tip', data=tips)
plt.show()
3.分面
(1)自带分面参数的点图
#点图分面，regplot没有col参数，不能直接分面
sns.lmplot(x='sepal_length', y='sepal_width', data=iris,fit_reg=False,col='species')
plt.show()
(2)通用分面
#其他图的分面
g = sns.FacetGrid(iris, col="species")
g = g.map(plt.hist,"sepal_length")
plt.show()
练习
lmplot（） 画散点图，横坐标是“total_bill”，纵坐标是“tip”,用“smoker”分面，并用“sex”为点着色。2.用
FacetGrid（） 函数创建一个分面对象，该对象由“time”和“smoker”分面，并由“sex”着色,在 facet 上调用 .map（） ，生成 'total_bill' 和 'tip' 的分面散点图。import seaborn as sns
import matplotlib.pyplot as plt
tips = sns.load_dataset('tips')
# Scatter plot of total_bill and tip faceted by smoker and colored by sex
sns.lmplot(x=____, y=____, data=tips, hue=____, col=____)
plt.show()
# FacetGrid of time and smoker colored by sex
facet = sns.____(tips, col="time", row=____, hue=____)
# Map the scatter plot of total_bill and tip to the FacetGrid
facet.____(____, ____, ____)
plt.show()
import matplotlib.pyplot as plt
import seaborn as sns
tips = sns.load_dataset('tips')
# Scatter plot of total_bill and tip faceted by smoker and colored by sex
sns.lmplot(x='total_bill', y='tip', data=tips, hue='sex', col='smoker')
plt.show()
# FacetGrid of time and smoker colored by sex
facet = sns.FacetGrid(tips, col="time", row='smoker', hue='sex')
# Map the scatter plot of total_bill and tip to the FacetGrid
facet.map(plt.scatter, 'total_bill', 'tip')
plt.show()
