python绘图之seaborn 笔记

前段时间学习了梁斌老师的数据分析(升级版)第三讲<探索性数据分析及数据可视化>,由于之前一直比较忙没有来得及总结,趁今天是周末有点闲暇时间,整理一下笔记:

什么是seaborn

Seaborn是一种基于matplotlib的Python绘图工具库。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的,信息量大的统计图表。

在大多数情况下使用seaborn就能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充，而不是替代物。同时它能高度兼容numpy与pandas数据结构以及scipy与statsmodels等统计模式的可视化。

特点:

多个内置主题及颜色主题
可视化单一变量,二位变量用于比较数据
可视化线性回归模型中的独立变量及不独立变量
可视化矩阵数据, 通过聚类算法探究矩阵间的结构
可视化时间序列数据及不确定性的展示
可在分割区域制图,用于复杂的可视化

安装

pip install seaborn

如果是在Anaconda环境下，打开Anaconda prompt:

conda install seaborn

数据集分布可视化

　　1 单变量分布 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 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_his　　　　t=False, axlabel=None, label=None, ax=None)

a : series或一维数组或列表类型的数据

bins :设置矩形条的数量

hist :控制是否显示条形图

kde :控制是否显示核密度估计图

rug :控制是否显示观测的小细条（边际毛毯）

fit :控制拟合的参数分布图形

vertical : 显示正交控制

import numpy as np

import pandas as pd

from scipy import stats

import matplotlib.pyplot as plt

import seaborn as sns    //注意:一旦导入了seaborn，matplotlib的默认作图风格就会被覆盖成seaborn的格式
sns.set_style("dark")   #设置背景色为黑色
%matplotlib inline

// 准备数据
x1 = np.random.normal(size = 1000)

x2 = np.random.randint(0, 50, 200)

　　　　　直方图

sns.distplot(x1, bins=20, kde=True,rug=True)

　　　　核密度估计(核密度估计是在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。)

sns.distplot(x2, hist=False, rug=True)

sns.kdeplot(x2, shade=True)  //shade控制阴影

sns.rugplot(x2)

　　　　拟合参数分布

x = np.random.gamma(6, size=200)#生成gamma分布的数据

sns.distplot(x, kde=False, fit=stats.gamma);#fit拟合

　　2 双变量分布

// 准备数据

df1 = pd.DataFrame({"x": np.random.randn(200),

                   "y": np.random.randn(200)})

df2 = pd.DataFrame({"x": np.random.randn(200),

                   "y": np.random.randint(0, 100, 200)})

　　　　散布图

sns.jointplot(x="x", y="y", data=df1)

　　　　二维直方图

sns.jointplot(x="x", y="y", data=df_obj1, kind="hex")

　　核密度估计

sns.jointplot(x="x", y="y", data=df_obj1, kind="kde")

　　3 数据集中变量间关系可视化

　　seaborn可以一次性两两组合多个变量做出多个对比图，有n个变量，就会做出一个n × n个格子的图，譬如有2个变量，就会产生4个格子，每个格子就是两个变量之间的对比图

var1 vs var1
var1 vs var2
var2 vs var1
var2 vs var2

　　相同的两个变量之间（var1 vs var1 和 var2 vs var2）以直方图展示，不同的变量则以散点图展示（var1 vs var2 和var2 vs var1）

　　要注意的是数据中不能有NaN（缺失的数据），否则会报错

dataset = sns.load_dataset("tips")
sns.pairplot(dataset)

类别数据可视化

// 准备数据
data = sns.load_dataset('exercise')

数据类型如下:

 Unnamed: 0  id     diet  pulse    time  kind

0           0   1  low fat     85   1 min  rest

1           1   1  low fat     85  15 min  rest

2           2   1  low fat     88  30 min  rest

3           3   2  low fat     90   1 min  rest

4           4   2  low fat     92  15 min  rest

　　1 类别散点图

sns.stripplot(x="diet", y="pulse", data=data) //数据点会重叠

sns.swarmplot(x="diet", y="pulse", data=data, hue='kind')//数据点不重叠

　　2 类别内数据分布

　　　　箱型图

sns.boxplot(x="diet", y="pulse", data=data)

　　小提琴图

sns.violinplot(x="diet", y="pulse", data=data, hue='kind')   // hue 指定子类别

　　3 类别内统计图

　　　　柱状图

sns.barplot(x="diet", y="pulse", data=data, hue='kind')

　　　　点图

sns.pointplot(x="diet", y="pulse", data=data, hue='kind')

Seaborn的API：https://stanford.edu/~mwaskom/software/seaborn/api.html#style-frontend

Fit

python绘图之seaborn 笔记

什么是seaborn