Seaborn可视化数据分析
站长
· 阅读数 1
Seaborn图表概述
Seaborn是一个基于Matplotlib的高级可视化效果库，偏向于统计图表。因此，针对的主要是数据挖掘和机器学习中的变量特征的选取。相比Matplotlib，Seaborn的语法相对简单，绘制图表不需要花很多功夫去修饰，但是它绘图方式比较局限，不够灵活。
Seaborn的主要功能
1、计算多变量间关系的面向数据集接口。
2、可视化类别变量的观测与统计。
3、可视化单变量或多变量分布，并与其子数据集比较。
4、控制线性回归的不同因变量，并进行参数估计与作图。
5、对复杂数据进行整体结构可视化。
6、对多表统计图的制作高度抽象，并简化可视化过程。
7、提供多个主题渲染Matplotlib图表的样式。
8、提供调色板工具生动再现数据。
绘制简单的柱形图
import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib as mpl
mpl.use('TkAgg')
sns.set_style('darkgrid')
plt.figure(figsize=(4, 3))
x = [1, 2, 3, 4, 5]
y = [10, 20, 30, 40, 50]
sns.barplot(x=x,y=y)
plt.show()
Seaborn基本设置
背景风格——axes_style()函数、set_style()函数
设置Seaborn背景风格，主要使用axes_style()函数和set_style()函数。Seaborn有5个主题，适用于不同的应用场景和人群偏好，具体如下。
- darkgrid：灰色网格（默认值）。
- whitegrid：白色网格。
- dark：灰色背景。
- white：白色背景。
- ticks：四周带刻度线的白色背景。
边框控制——despine()函数
控制边框显示方式，主要使用despine()函数。
import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib as mpl
mpl.use('TkAgg')
sns.set_style('darkgrid')
plt.figure(figsize=(5,3)) #画布长5，宽3
x = [1, 2, 3, 4, 5]
y = [10, 20, 30, 40, 50]
sns.despine(fig=None,ax=None,top=None,right=True,left=True,bottom=False,offset=None,trim=False) #offset表示偏离左侧轴的距离
sns.barplot(x=x,y=y)
plt.show()
绘制折线图（replot()函数）
在Seaborn中实现折线图有两种方法：
- 在relplot()函数中通过设置kind参数为line绘制折线图；
- 使用lineplot()函数直接绘制折线图。 语法如下：
seaborn.relplot(x=None, y=None, hue=None, size=None, style=None,data=None,
row=None,col=None, col_wrap=None,row_order=None,col_order=None,
palette=None,hue_order=None, hue_norm=None, sizes=None,
size_order=None, size_norm=None, markers=None,dashes=None,
style_order=None, legend='auto', kind='scatter', height=5,
aspect=1,facet_kws=None, units=None, **kwargs)
参数说明：
- x, y：x,y轴上的数据
- hue：将生成具有不同颜色的元素的分组变量。可以是按类别的（categorical），也可以是数字的，不过在后一种情况下，颜色映射的行为会有所不同
- data：输入数据结构。要么是可以分配给命名变量的向量的长形式集合，要么是将进行内部整形的宽形式数据集
- kind：需要绘制的图
单折线图
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib as mpl
mpl.use('TkAgg')
sns.set_style('darkgrid') # 灰色网格
plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码问题
df1 = pd.read_excel('data.xls') #导入文件
# 绘制折线图
sns.relplot(x='学号',y='语文',kind='line',data=df1) #折线图：relplot(kind='line')或者直接使用lineplot()
plt.show()
多折线图
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib as mpl
mpl.use('TkAgg')
sns.set_style('darkgrid') # 灰色网格
plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码问题
df1 = pd.read_excel('data.xls') #导入文件
dfs = [df1['语文'],df1['数学'],df1['英语']] #将多个Series对象合并
sns.lineplot(data=dfs)
plt.show()
绘制直方图（displot()函数）
Seaborn主要通过使用displot()函数绘制直方图，语法如下:
seaborn.displot(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)
常用参数说明:
- data：表示要观察的数据，可以是Series、一维数组或列表
- bins：用于控制条形的数量
- hist：接收布尔类型，表示是否绘制(标注)直方图
- kde：接收布尔类型，表示是否绘制高斯核密度估计曲线
- rug：接收布尔类型，表示是否在支持的轴方向上绘制rugplot
- fit： 拟合的参数分布图形
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib as mpl
mpl.use('TkAgg')
sns.set_style('darkgrid')
plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码问题
df1 = pd.read_excel('data2.xls') #导入文件
data = df1[['得分']]
sns.displot(data=data,rug=True)
plt.show()
绘制条形图（barplot()函数）
条形图主要展现的每个矩形高度的数值变量中心趋势的估计，只显示平均值(或者其他估计值)，但在很多情况下，每个分类变量级别上显示值的分布可能提供更多信息。
语法如下：
seaborn.barplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,
estimator=<function mean>, ci=95, n_boot=1000, units=None,
orient=None, color=None, palette=None, saturation=0.75, errcolor='.26',
errwidth=None, capsize=None, dodge=True,ax=None, **kwargs)
参数说明：
- x,y,hue：数据字段变量名
- data：DataFrame(数组或数组列表)
- order,hue_order：字符串列表，显示指定分类顺序
- estimator：可回调函数，设置每个分类箱的统计函数
- ci：在估计值附近绘制置信区间的大小，可选参数为float或者’sd’或者None
- n_boot：int，计算置信区间时使用的引导迭代次数
- orient：v | h，图显示方向(垂直或水平)
- color：设置颜色
- palette：调试板名称，列表或者字典类型，设置hue指定变量的不同级别的颜色
- saturation：饱和度，float类型
- errcolor：表示置信区间的线条颜色
- errwidth：float类型，表示误差线的厚度
- capsize：表示误差线上横线的宽度
- dodge：bool类型，使用色调嵌套时，是否沿分类轴移动元素
绘制条形图
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib as mpl
mpl.use('TkAgg')
sns.set_style('darkgrid')
plt.figure(figsize=(10,5))
plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码问题
df1 = pd.read_excel('data.xls',sheet_name='sheet2') #导入文件
sns.barplot(x='学号',y='得分',hue='学科',data=df1)
plt.show()
绘制散点图（replot()函数）
Seaborn主要通过使用replot()函数绘制散点图，相关语法可参考"绘制折线图"。
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib as mpl
mpl.use('TkAgg')
# import ssl
# ssl._create_default_https_context = ssl._create_unverified_context
sns.set_style('darkgrid')
plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码问题
# 加载布置数据集tips(小费数据集)，并对total_bill和tip字段绘制散点图
# tips = sns.load_dataset('tips')
tips = pd.read_csv('tips.csv')
sns.relplot(x='total_bill',y='tip',kind='scatter',data=tips) #kind='scatter'可以省略，默认散点图，kind='line'是折线图
plt.show()
绘制线性回归模型（impolt()函数）
Seaborn主要通过使用lmpolt()函数，可以直接绘制线性回归模型，用以描述线性关系，语法如下：
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)
常用参数说明：
- hue: 散点图中的分类字段
- col：列分类变量，构成子集
- row：行分类变量
- col_wrap: 控制每行子图数量
- size：控制子图高度
- markers：点的形状
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib as mpl
mpl.use('TkAgg')
# import ssl
# ssl._create_default_https_context = ssl._create_unverified_context
sns.set_style('darkgrid')
plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码问题
# 加载布置数据集tips(小费数据集)，并对total_bill和tip字段绘制散点图
# tips = sns.load_dataset('tips')
tips = pd.read_csv('tips.csv')
sns.lmplot(x='total_bill',y='tip',data=tips)
plt.show()
绘制箱型图（boxplot()函数）
Seaborn主要使用boxplot()函数绘制箱形图，语法如下:
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)
常用参数说明：
- hue:分类字段
- width：箱形图高度
- notch：中间箱体是否显示缺口，默认值是Flase
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib as mpl
mpl.use('TkAgg')
# import ssl
# ssl._create_default_https_context = ssl._create_unverified_context
sns.set_style('darkgrid')
plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码问题
# 加载布置数据集tips(小费数据集)，并对total_bill和tip字段绘制散点图
tips = pd.read_csv('tips.csv')
sns.boxplot(x='day',y='total_bill',hue='time',data=tips)
plt.show()
从上图可得知，数据存在异常值，箱形图实际上就是利用数据的分位数来识别数据的异常点，这一特点使得箱形图在学术界和工业界的应用十分广泛。
绘制核密度图（kdeplot()函数）
核密度是概率论中用来估计未知的密度函数，属于非参数检验方法之一。通过核密度图可以比较直观地看出数据样本本身的分布特征。
Seaborn主要通过使用kdeplot()函数绘制核密度图，语法如下：
sns.kdeplot(data,shade=True)
参数说明：
- data： 数据
- shade: 是否带阴影，默认值是True，带阴影
核密度图
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib as mpl
mpl.use('TkAgg')
sns.set_style('darkgrid')
#读取数据集iris
df=pd.read_csv('iris.csv')
#显示数据集
print(df.head())
#绘制多个变量的核密度图
p1=sns.kdeplot(df['sepal_width'], fill=True, color="r")
p2=sns.kdeplot(df['sepal_length'], fill=True, color="b")
plt.show()
边际密度图
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib as mpl
mpl.use('TkAgg')
sns.set_style('darkgrid')
#读取数据集iris
df=pd.read_csv('iris.csv')
#边际核密度图
sns.jointplot(x=df["sepal_length"], y=df["sepal_width"], kind='kde',space=0)
plt.show()
绘制提琴图（violinpolt()函数）
提琴图结合了箱形图和核密度图的特征，用于展示数据的分布形状。粗黑线表示四分数范围，延伸的细线表示95%的置信区间，白点为中位数，提琴图弥补了箱形图的不足，可以展示数据分布是双模还是多模，提琴图主要使用violinplot()函数绘制。
语法如下:
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)
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib as mpl
mpl.use('TkAgg')
# import ssl
# ssl._create_default_https_context = ssl._create_unverified_context
sns.set_style('darkgrid')
plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码问题
# 加载布置数据集tips(小费数据集)，并对total_bill和tip字段绘制散点图
# tips = sns.load_dataset('tips')
tips = pd.read_csv('tips.csv')
sns.violinplot(x='total_bill',y='day',hue='time',data=tips)
plt.show()
