精华内容
下载资源
问答
  • 2021-10-09 11:09:02

    Seaborn可视化图像调整图像大小(figure size)方法实战(Adjust the Figure Size)

    目录

    Seaborn可视化图像调整图像大小(figure size)方法实战(Adjust the Figure Size)

    更多相关内容
  • 设置seaborn画布大小

    万次阅读 多人点赞 2019-05-08 17:41:02
    最近在使用seaborn做可视化,记录一下如何改变seaborn画布大小。 默认是这样的 sns.stripplot(x=d2['年龄'], y=d2['AST'], data=d2, jitter=True) 修改之后 plt.figure(figsize=(15, 10)) sns.stripplot...

    最近在使用seaborn做可视化,记录一下如何改变seaborn的画布大小。

    默认是这样的 

    
    sns.stripplot(x=d2['年龄'], y=d2['AST'], data=d2, jitter=True)
    

    修改之后 

    plt.figure(figsize=(15, 10))
    sns.stripplot(x=d2['年龄'], y=d2['AST'], data=d2, jitter=True)
    plt.show()

     

    祝大家 学习工作顺利

     

    参考文章地址:https://blog.csdn.net/xsxgr123/article/details/54773314

    展开全文
  • 问题遇到的现象和发生背景 小啾在使用Pycharm... 使用sns.set(rc={'figure.figsize': (10, 10), 'font.sans-serif': "STKAITI"})则并无效果,字体成功设置成楷体,但大小不成功。 我想要达到的结果 我想要指定的大小
  • seaborn修改画图大小

    2022-01-20 19:41:38
    size=labelsize) #修改legend大小 plt.setp(ax.get_legend().get_texts(), fontsize='20') 修改legend那个hue对应大小 plt.setp(ax.get_legend().get_title(), fontsize='20') # plt.show() plt.savefig('fig/kde....

    这个是自己作图中的笔记

    labelsize = 25
    lengend_size = 10
    linewidth=1
    ms =4
    figuresize = (19,15)
    font1 = {'family': 'Times New Roman',
             'weight': 'normal',
             'size': labelsize+4,
             }
    plt.figure(figsize=figuresize)
    # plt.tick_params(fontproperties = 'Times New Roman',labelsize=labelsize)
    plt.xticks(fontproperties = 'Times New Roman', size = labelsize)
    plt.yticks(fontproperties = 'Times New Roman', size = labelsize)
    
    # plt.figure(figsize=(18,15))
    # ax, fig = plt.subplots(figsize=[15,7])
    # sns.set(rc = {'figure.figsize':(25,18)})
    
    # sns.displot(data=tmpdf,x='connect number',hue='IP',kind='kde')
    ax = sns.kdeplot(data=tmpdf,x='connect number',hue='IP')
    plt.labelsize=labelsize
    plt.xlabel('Connect Numbers',font1)
    plt.ylabel('Density',font1)
    # plt.legend(prop={'size':lengend_size,'family':'Times New Roman'})
    plt.title('kde density',size=labelsize)
    #修改legend大小
    plt.setp(ax.get_legend().get_texts(), fontsize='20') 
    修改legend那个hue对应大小
    plt.setp(ax.get_legend().get_title(), fontsize='20')
    # plt.show()
    plt.savefig('fig/kde.png',dpi=300)
    # ax.savefig('fig/kde.png',dpi=300)

    那个IP对应的就是legend的title

    展开全文
  • Seaborn简介定义Seaborn是一个基于matplotlib且数据结构与pandas统一的统计图制作库。Seaborn框架旨在以数据可视化为中心来挖掘与理解数据。优点代码较少图形美观功能齐全主流模块安装pip命令安装pip install...
    点击上方“ Python爬虫与数据挖掘 ”,进行关注

    回复“书籍”即可获赠Python从入门到进阶共10本电子书

    风朝露夜阴晴里,万户千门开闭时。

    88bf0a76d6b458d3245eee65e75f6810.png

    Seaborn简介

    定义

    Seaborn是一个基于matplotlib且数据结构与pandas统一的统计图制作库。Seaborn框架旨在以数据可视化为中心来挖掘与理解数据。

    优点

    1. 代码较少

    2. 图形美观

    3. 功能齐全

    4. 主流模块安装

    pip命令安装

    pip install matplotlib
    pip install seaborn

    从github安装

    pip install git+https://github.com/mwaskom/seaborn.git

    流程

    导入绘图模块

    mport matplotlib.pyplot as plt
    import seaborn as sns

    提供显示条件

    %matplotlib inline  #在Jupyter中正常显示图形

    导入数据

    #Seaborn内置数据集导入
    dataset = sns.load_dataset('dataset')

    #外置数据集导入(以csv格式为例)
    dataset = pd.read_csv('dataset.csv')

    设置画布

    #设置一块大小为(12,6)的画布
    plt.figure(figsize=(12, 6))

    输出图形

    #整体图形背景样式,共5种:"white", "dark", "whitegrid", "darkgrid", "ticks"
    sns.set_style('white')

    #以条形图为例输出图形
    sns.barplot(x=x,y=y,data=dataset,...)

    '''
    barplot()括号里的是需要设置的具体参数,
    涉及到数据、颜色、坐标轴、以及具体图形的一些控制变量,
    基本的一些参数包括'x'、'y'、'data',分别表示x轴,y轴,
    以及选择的数据集。
    '''

    保存图形

    #将画布保存为png、jpg、svg等格式图片
    plt.savefig('jg.png')

    实战

    #数据准备
    df = pd.read_csv('./cook.csv') #读取数据集(「菜J学Python」公众号后台回复cook获取)
    df['难度'] = df['用料数'].apply(lambda x:'简单' if x<5 else('一般' if x<15 else '较难')) #增加难度字段
    df = df[['菜谱','用料','用料数','难度','菜系','评分','用户']] #选择需要的列
    df.sample(5) #查看数据集的随机5行数据
    17b33e32d0f6a5f9033d04e26955aaab.png
    #导入相关包
    import numpy as np
    import pandas as pd
    import matplotlib.pyplot as plt
    import matplotlib as mpl
    import seaborn as sns
    %matplotlib inline
    plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置加载的字体名
    plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
    sns.set_style('white') #设置图形背景样式为white

    直方图

    #语法
    '''
    seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None,
    hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, color=None,
    vertical=False, norm_hist=False, axlabel=None, label=None, ax=None)
    '''

    #distplot()输出直方图,默认拟合出密度曲线
    plt.figure(figsize=(10, 6)) #设置画布大小
    rate = df['评分']
    sns.distplot(rate,color="salmon",bins=20) #参数color样式为salmon,bins参数设定数据片段的数量

    f0078ebe62acc28d94ebc91187e0e6db.png

    #kde参数设为False,可去掉拟合的密度曲线
    plt.figure(figsize=(10, 6))
    sns.distplot(rate,kde=False,color="salmon",bins=20)

    618ad2876179b9d2268d83ffb0af901e.png

    #设置rug参数,可添加观测数值的边际毛毯
    fig,axes=plt.subplots(1,2,figsize=(10,6)) #为方便对比,创建一个1行2列的画布,figsize设置画布大小

    sns.distplot(rate,color="salmon",bins=10,ax=axes[0]) #axes[0]表示第一张图(左图)

    sns.distplot(rate,color="green",bins=10,rug=True,ax=axes[1]) #axes[1]表示第一张图(右图)

    16c1dcc7f0e548c6295392c009b7e366.png

    #多个参数可通过字典传递
    fig,axes=plt.subplots(1,2,figsize=(10,6))
    sns.distplot(rate,color="salmon",bins=20,rug=True,ax=axes[0])

    sns.distplot(rate,rug=True,
    hist_kws={'color':'g','label':'直方图'},
    kde_kws={'color':'b','label':'密度曲线'},
    bins=20,
    ax=axes[1])

    84c8a7930db8be821ed8656dd77fcf93.png

    散点图

    常规散点图:scatterplot

    #语法
    '''
    seaborn.scatterplot(x=None, y=None, hue=None, style=None, size=None,
    data=None, palette=None, hue_order=None, hue_norm=None, sizes=None,
    size_order=None, size_norm=None, markers=True, style_order=None, x_bins=None,
    y_bins=None, units=None, estimator=None, ci=95, n_boot=1000, alpha='auto',
    x_jitter=None, y_jitter=None, legend='brief', ax=None, **kwargs)
    '''

    fig,axes=plt.subplots(1,2,figsize=(10,6))
    #hue参数,对数据进行细分
    sns.scatterplot(x="用料数", y="评分",hue="难度",data=df,ax=axes[0])

    #style参数通过不同的颜色和标记显示分组变量
    sns.scatterplot(x="用料数", y="评分",hue="难度",style='难度',data=df,ax=axes[1])

    3178ddc6b830c8725512abcf45472570.png

    分簇散点图:stripplot

    #语法
    '''
    seaborn.stripplot(x=None, y=None, hue=None, data=None, order=None,
    hue_order=None, jitter=True, dodge=False, orient=None, color=None,
    palette=None, size=5, edgecolor='gray', linewidth=0, ax=None, **kwargs)
    '''

    #设置jitter参数控制抖动的大小
    plt.figure(figsize=(10, 6))
    sns.stripplot(x="菜系", y="评分",hue="难度",jitter=1,data=df)

    ead9aa630616e6c0bdea737dc884b15f.png

    分类散点图:swarmplot

    #绘制分类散点图(带分布属性)
    #语法
    '''
    seaborn.swarmplot(x=None, y=None, hue=None, data=None, order=None,
    hue_order=None, dodge=False, orient=None, color=None, palette=None,
    size=5, edgecolor='gray', linewidth=0, ax=None, **kwargs)
    '''

    plt.figure(figsize=(10, 6))
    sns.swarmplot(x="菜系", y="评分",hue="难度",data=df)

    f71bd0d57ec7e6aff4fb88f0c5aad2d0.png

    条形图

    常规条形图:barplot

    #语法
    '''
    seaborn.barplot(x=None, y=None, hue=None, data=None, order=None,
    hue_order=None,ci=95, n_boot=1000, units=None, orient=None, color=None,
    palette=None, saturation=0.75, errcolor='.26', errwidth=None, capsize=None,
    ax=None, estimator=,**kwargs)
    '''

    #barplot()默认展示的是某种变量分布的平均值(可通过修改estimator参数为max、min、median等)
    # from numpy import median
    fig,axes=plt.subplots(1,2,figsize=(10,6))
    sns.barplot(x='菜系',y='评分',color="r",data=df,ax=axes[0])

    sns.barplot(x='菜系',y='评分',color="salmon",data=df,estimator=min,ax=axes[1])

    5a0282daf5b10324fda2d6b09af52bba.png

    fig,axes=plt.subplots(1,2,figsize=(10,6))
    #设置hue参数,对x轴的数据进行细分
    sns.barplot(x='菜系',y='评分',color="salmon",hue='难度',data=df,ax=axes[0])
    #调换x和y的顺序,可将纵向条形图转为水平条形图
    sns.barplot(x='评分',y='菜系',color="salmon",hue='难度',data=df,ax=axes[1])

    b0abe1b4389637cf7c6fa135ea0fda57.png

    计数条形图:countplot

    #语法
    '''
    seaborn.countplot(x=None, y=None, hue=None, data=None, order=None,
    hue_order=None, orient=None, color=None, palette=None, saturation=0.75, dodge=True, ax=None, **kwargs)
    '''

    fig,axes=plt.subplots(1,2,figsize=(10,6))
    #选定某个字段,countplot()会自动统计该字段下各类别的数目
    sns.countplot(x='菜系',color="salmon",data=df,ax=axes[0])
    #同样可以加入hue参数
    sns.countplot(x='菜系',color="salmon",hue='难度',data=df,ax=axes[1])

    b928679270615629f3d8ea0cd2920248.png

    折线图

    #语法
    '''
    seaborn.lineplot(x=None, y=None, hue=None, size=None, style=None,
    data=None, palette=None, hue_order=None, hue_norm=None, sizes=None, size_order=None,
    size_norm=None, dashes=True, markers=None, style_order=None, units=None, estimator='mean',
    ci=95, n_boot=1000, sort=True, err_style='band', err_kws=None, legend='brief', ax=None, **kwargs)
    '''

    fig,axes=plt.subplots(1,2,figsize=(10,6))
    #默认折线图有聚合
    sns.lineplot(x="用料数", y="评分", hue="菜系",data=df,ax=axes[0])

    #estimator参数设置为None可取消聚合
    sns.lineplot(x="用料数", y="评分", hue="菜系",estimator=None,data=df,ax=axes[1])

    00ea2dcbf46fec404da6024dc0944228.png

    箱图

    箱线图:boxplot

    #语法
    '''
    seaborn.boxplot(x=None, y=None, hue=None, data=None, order=None,
    hue_order=None, orient=None, color=None, palette=None, saturation=0.75,
    width=0.8, dodge=True, fliersize=5, linewidth=None, whis=1.5, notch=False, ax=None, **kwargs)
    '''
    fig,axes=plt.subplots(1,2,figsize=(10,6))
    sns.boxplot(x='菜系',y='评分',hue='难度',data=df,ax=axes[0])

    #调节order和hue_order参数,可以控制x轴展示的顺序,linewidth调节线宽
    sns.boxplot(x='菜系',y='评分',hue='难度',data=df,color="salmon",linewidth=1,
    order=['清真菜','粤菜','东北菜','鲁菜','浙菜','湖北菜','川菜'],
    hue_order=['简单','一般','较难'],ax=axes[1])

    02bb30b02bc3e7211ef69efd9812e540.png

    箱型图:boxenplot

    #语法
    '''
    seaborn.boxenplot(x=None, y=None, hue=None, data=None, order=None,
    hue_order=None, orient=None, color=None, palette=None, saturation=0.75,
    width=0.8, dodge=True, k_depth='proportion', linewidth=None, scale='exponential',
    outlier_prop=None, ax=None, **kwargs)
    '''

    fig,axes=plt.subplots(1,2,figsize=(10,6))
    sns.boxenplot(x='菜系',y='评分',hue='难度',data=df,color="salmon",ax=axes[0])

    #palette参数可设置调色板
    sns.boxenplot(x='菜系',y='评分',hue='难度',data=df, palette="Set2",ax=axes[1])

    18c3d276cdaa1fbc9d739928704c9e8c.png

    小提琴图

    #语法
    '''
    seaborn.violinplot(x=None, y=None, hue=None, data=None, order=None,
    hue_order=None, bw='scott', cut=2, scale='area', scale_hue=True,
    gridsize=100, width=0.8, inner='box', split=False, dodge=True, orient=None,
    linewidth=None, color=None, palette=None, saturation=0.75, ax=None, **kwargs)
    '''

    fig,axes=plt.subplots(1,2,figsize=(10,6))
    sns.violinplot(x='菜系',y='评分',data=df, color="salmon",linewidth=1,ax=axes[0])
    #inner参数可在小提琴内部添加图形,palette设置颜色渐变
    sns.violinplot(x='菜系',y='评分',data=df,palette=sns.color_palette('Greens'),inner='stick',ax=axes[1])

    43a6b8a40181cf0e9cefb3fd5b50ce35.png

    回归图

    regplot

    '''
    seaborn.regplot(x, y, data=None, x_estimator=None, x_bins=None, x_ci='ci',
    scatter=True, fit_reg=True, ci=95, n_boot=1000, units=None,
    order=1, logistic=False, lowess=False, robust=False, logx=False,
    x_partial=None, y_partial=None, truncate=False, dropna=True,
    x_jitter=None, y_jitter=None, label=None, color=None, marker='o',
    scatter_kws=None, line_kws=None, ax=None)
    '''

    fig,axes=plt.subplots(1,2,figsize=(10,6))
    #marker参数可设置数据点的形状
    sns.regplot(x='用料数',y='评分',data=df,color='r',marker='+',ax=axes[0])
    #ci参数设置为None可去除直线附近阴影(置信区间)
    sns.regplot(x='用料数',y='评分',data=df,ci=None,color='g',marker='*',ax=axes[1])

    cefea9942cb6c4cc0054147c854991a0.png

    lmplot

    #语法
    '''
    seaborn.lmplot(x, y, data, hue=None, col=None, row=None, palette=None,
    col_wrap=None, height=5, aspect=1, markers='o', sharex=True,
    sharey=True, hue_order=None, col_order=None, row_order=None,
    legend=True, legend_out=True, x_estimator=None, x_bins=None,
    x_ci='ci', scatter=True, fit_reg=True, ci=95, n_boot=1000,
    units=None, order=1, logistic=False, lowess=False, robust=False,
    logx=False, x_partial=None, y_partial=None, truncate=False,
    x_jitter=None, y_jitter=None, scatter_kws=None, line_kws=None, size=None)
    '''

    #lmplot()可以设置hue,进行多个类别的显示,而regplot()是不支持的
    sns.lmplot(x='用料数',y='评分',hue='难度',data=df,
    palette=sns.color_palette('Reds'),ci=None,markers=['*','o','+'])

    f141b7506aa11eb37fc7b9a69fd5b6d1.png

    热力图

    #语法
    '''
    seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, center=None,
    robust=False, annot=None, fmt='.2g', annot_kws=None,
    linewidths=0, linecolor='white', cbar=True, cbar_kws=None,
    cbar_ax=None, square=False, xticklabels='auto',
    yticklabels='auto', mask=None, ax=None, **kwargs)
    '''

    fig,axes=plt.subplots(1,2,figsize=(10,6))
    h=pd.pivot_table(df,index=['菜系'],columns=['难度'],values=['评分'],aggfunc=np.mean)
    sns.heatmap(h,ax=axes[0])

    #annot参数设置为True可显示数字,cmap参数可设置热力图调色板
    cmap = sns.diverging_palette(200,20,sep=20,as_cmap=True)
    sns.heatmap(h,annot=True,cmap=cmap,ax=axes[1])
    #保存图形
    plt.savefig('jg.png')
    fb9a1adb0bae8dca602068553f6127bb.png 欢迎关注菜J学Python,专注用Python爬虫、数据分析和可视化。我们坚持认真写Python基础,有趣写Python实战。

    ------------------- End -------------------

    往期精彩文章推荐:

    • 手把手用Python教你如何发现隐藏wifi

    • 手把手教你用Python做个可视化的“剪刀石头布”小游戏

    • Python基础语法——代码规范&判断语句&循环语句

    76efbf3e62ae3050c32cd3302d0a8231.png

    欢迎大家点赞,留言,转发,转载,感谢大家的相伴与支持

    想加入Python学习群请在后台回复【入群

    万水千山总是情,点个【在看】行不行

    /今日留言主题/

    随便说一两句吧~~

    展开全文
  • 本文介绍了python画图时设置分辨率和画布大小的实现,主要使用plt.figure(),下面就一起来了解一下plt.figure()示例:import numpy as npimport pandas as pdimport warningswarnings.filterwarnings('ignore')...
  • seaborn默认生成的范围可以得到这样的图。 写了一个这样的代码,修改了x与y轴的范围,得到的图是这样的 plt.xlim(-10, 60) plt.ylim(0, 15) sns.regplot(x= "total_bill",y="tip",data=tips,color="black") 但是画...
  • python画图时设置分辨率和画布大小-plt.figure()

    万次阅读 多人点赞 2020-11-05 13:53:42
    python画图时设置分辨率和画布大小 plt.figure() 示例: import numpy as np import pandas as pd import warnings warnings.filterwarnings('ignore') import matplotlib.pyplot as plt import seaborn as sns #...
  • 今天,我们就来了解一下python强大的绘图库——Matplotlib及Seaborn的使用。首先我们先来了解一下这两个强大的库。Matplotlib 支持 Python 语言的开源绘图库(可以说是python里最优秀的绘图库了),因为其...
  • 在我使用Seaborn库绘制类别散点图时,发现X轴的数据量挺多,图像就无法显示的很清晰。然后我就想着改变图像的尺寸大小和清晰度,想让图像变大一些。但是搜集了很多资料,而且去官网查看也无法找到相关的api的参数。 ...
  • 1.1 设置坐标轴的线框 如果我们要设置坐标轴的线宽,我们可以向下面这样做: import matplotlib.pyplot as plt ###设置坐标轴的粗细 ax=plt.gca();#获得坐标轴的句柄 ax.spines['bottom'].set_linewidth(2);###...
  • seaborn画图

    千次阅读 2022-01-28 17:28:44
    # seaborn - seaborn是基于matplotlib的一个可视化的库 是在matplotlib的基础上进行的更加高级的封装 是作图变得更加容易 - 不需要了解大量底层参数就能使得图形变得更加精致 兼容numpy和pandas的数据结构 进而在很...
  • 文章目录Python编程数据分析篇之Seaborn绘图关系型绘图seaborn.relplot()基本使用分类绘图分类散点图分类分布图分类统计图分布绘图单变量分布二...标题设置坐标轴Seaborn样式风格设置风格设置函数sns.axes.stylesns.set...
  • 上一篇文章主要讲述了有关seaborn的一些基础设置,可以让使我们绘制的图形更加饱满。接下来我们来看seaborn可以绘制哪些图形。左边是我们常用的绘图接口,右边则是一些基础设置,还有一些功能有待补充。依次来看这些...
  • seaborn中使用axs序列应用到画布上 sns.kdeplot(x[c],ax=axs[0]) # ax2=plt.subplots(122) sns.histplot(x[c],ax=axs[1]) 2、seaborn自生成多画布 (1)、分类制作关联散点图 g = sns.FacetGrid(tips,col=“sex”,...
  • 5-3 Seaborn 分布绘图

    2021-12-21 16:57:53
    Seaborn 分布绘图
  • Seaborn是对matplotlib的扩展,是一个数据可视化库,提供更高级的API封装,在应用中更加的方便灵活。下面我简单介绍一下他的最基本用法,实际应用的时候,可以直接从文档中查找这个库,这时候使用就很快捷了。首先将...
  • 包括常用的设置,如:设置图表显示颜色设置图表标题,包括显示位置,字体大小,颜色等设置x轴和y轴标题,包括颜色,字体大小设置x轴和y轴刻度内容,包括颜色、字体大小、字体方向等将x轴和y轴内容逆序显示设置x轴或y...
  • Seaborn 画图

    2020-12-02 10:08:26
    seaborn 是 matplotlib 一个高级接口,它的底层是用 matplotlib 实现的。区别于后者,它致力于打造现代画图方式,而非经典的 Matlab 格式。 seaborn 可以直接画图,或者可以用来修改 matplotlib 的画图 style 修改 ...
  • 大家好,我是云朵君!导读:做过可视化的小伙伴们都会经常听到seaborn可视化,也有很多大佬平时使用的较多的可视化库,今天我们就来盘下他,看看他有多实在。这里为了方便大家后面去练习,所有...
  • 文章目录系列文章6 Seaborn6.1 绘制单变量分布6.2 绘制双变量分布1 绘制散点图2 绘制二维直方图3 绘制核密度估计图4 绘制成对的双变量分布6.3 绘制分类数据图1 类别散点图striplot()swarmplot()2 箱型图和小提琴图箱...
  • 在基于matplotlib.pyplot画带色标(colorbar)的图时候,往往为了美观和科研用途,需要对colorbar的Ticks(刻度) ,标签(label)和fonddict(字体进行设置)。但是很多初学者都苦于这些东西的设置,因为太麻烦了(别问我...
  • seaborn图标风格与颜色主题如果想调背景板:sns.set_style(“darkgrid”)例子调整绘图元素的比例sns.set_context(“paper”)这个是啥?怎么用激动人心的颜色主题来啦sns.color_pallette()seaborn常用的命令:1. ...
  • plt.figure(figsize=(12, 8)) #设置画布大小 sns.set_palette("hls") #设置所有图的颜色,使用hls色彩空间 sns.distplot(test_age,color="steelblue",bins=50) plt.xlabel('age',fontsize=15) #添加x轴标签,并...
  • Py之seaborn:数据可视化seaborn库(三)的矩阵图可视化之jointplot函数、JointGrid函数、pairplot函数、PairGrid函数、FacetGrid函数的简介、使用方法之最强攻略(建议收藏) 目录 三、矩阵图可视化 1、...
  • import seaborn as sns import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt import random def sinplot(filp=1): x = np.linspace(0,14,100) # 0-14 生成100个点 for i in range(1,...
  • 本文展示Python中最基本的可视化...导入库和常规设置import seaborn as snsimport numpy as npimport pandas as pdimport matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlinefrom datetime impo...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,184
精华内容 473
关键字:

seaborn设置画布大小