Python可視化：Seaborn（二）

本文由 保一雄@科賽網 數據分析師 原創。

Seaborn是一個很棒的可視化庫，尤爲是當數據維度很大時，它可讓咱們用最少的代碼去繪製一些描述性統計的圖，便於找尋各維度變量之間的特徵。

繼上篇Python可視化：Seaborn（一），分享過用Seaborn作Distribution Visualization，本篇咱們將分享用Seaborn作Categorial Visualization，包括其中涉及的Stripplot & Swarmplot，Boxplot & Violinplot，Barplot & Pointplot，以及抽象化的Factorplot。

咱們此處結合科賽網上公開的Iris鳶尾花數據集進行演示說明。

文中全部完整源代碼都可經過 K-Lab在線數據分析協做工具 復現。它 涵蓋了Python、R等主流語言，完成了包括Seaborn、Pandas、Numpy等90%以上數據分析&挖掘相關庫的部署，幫助數據人才專一數據分析自己，提升效率。

Iris鳶尾花數據集：是經常使用的分類實驗數據集，由Fisher, 1936收集整理。是一類多重變量分析的數據集。共包含150個數據集，分爲3類，每類50個數據，每一個數據包含4個屬性。可經過花萼長度(sepal_length)，花萼寬度(sepal_width)，花瓣長度(petal_length)，花瓣寬度(petal_width)4個屬性預測鳶尾花卉屬於（Setosa，Versicolour，Virginica）三個種類中的哪一類。

導入庫

import warnings warnings.filter

warnings("ignore") 

import pandas as pd 

import numpy as np 

import matplotlib.pyplot as plt %matplotlib inline 

import seaborn as sns

Stripplot

Stripplot的本質就是把數據集中具備Quantitative屬性的變量按照類別去作散點圖(Scatterplot)。

咱們將紙鳶花數據集中不一樣種類花的Sepal Length作Stripplot可視化。

plt.figure(1,figsize=(12,6)) 

 plt.subplot(1,2,1) 

sns.stripplot(x='species',y='sepal_length',data=iris) #stripplot 

plt.title('Striplot of sepal length of Iris species')with sns.axes_style("whitegrid"): # 這個是臨時設置樣式的命令，若是不寫，則按默認格式'darkgrid'進行繪製 

 plt.subplot(1,2,2) 

 plt.title('Striplot of sepal length of Iris species') sns.stripplot(x='species',y='sepal_length',data=iris,jitter=True) # jitterplot 

 plt.show()

上邊左側的圖片即是在默認風格下用Stripplot繪製的散點圖。在不少狀況下，Stripplot中的點會重疊，使得咱們不容易看出點的分佈狀況。一個簡單的解決辦法就是用在Stripplot的基礎上繪製抖動圖(jitterplot)，僅沿着類別座標軸的方向去隨機微調整點的位置，顯示出分佈狀況。

Swarmplot

另外一個解決Stripplot中點重疊的辦法就是繪製Swarmplot,它的本質就是用經過算法，在類別座標軸的方向上去‘延展’繪製這些本來重合的點。 咱們將紙鳶花數據集中不一樣種類花的Petal Length和Petal width作Swarmplot可視化。

plt.figure(1,figsize=(12,6)) 

plt.subplot(1,2,1) 

sns.swarmplot(x='species',y='petal_length',data=iris) 

with sns.axes_style("ticks"): # 此次使用了ticks風格 

plt.subplot(1,2,2) 

 sns.swarmplot(x='species',y='petal_width',data=iris) 

 plt.show()

Boxplot

箱形圖，主要包含六個數據節點，將一組數據從大到小排列，分別計算出上邊緣，上四分位數Q3，中位數，下四分位數Q1，下邊緣，還有異常值。 下面將紙鳶花數據集中的四個變量sepal_length, sepal_width, petal_length和petal_width作箱形圖可視化。

var = ['sepal_length','sepal_width','petal_length','petal_width'] 

axes_style = ['ticks','white','whitegrid', 'dark'] 

fig = plt.figure(1,figsize=(12,12))for i in range(4): with sns.axes_style(axes_style[i]): # 將除了默認的darkgrid以外的樣式都展示一遍 

 plt.subplot(2,2,i+1) sns.boxplot(x='species',y=var[i],data=iris) 

 plt.show()

Violinplot

Violinplot至關於結合了箱形圖與核密度圖，更好地展示出數據的量化形態。

context= ['notebook','paper','talk','poster'] 

axes_style = ['ticks','white','whitegrid', 'dark'] 

 plt.figure(1,figsize=(12,12))for i in range(4): with sns.axes_style(axes_style[i]):#設置axes_style 

 sns.set_context(context[i]) # 設置context style,默認爲notebook,除此以外還有paper,talk,poster 

 plt.subplot(2,2,i+1) 

 plt.title(str(var[i])+ ' in Iris species') 

 sns.violinplot(x='species',y=var[i],data=iris) 

 plt.show()

Violinplot用Kernel Density Estimate去更好地描述了quantitative變量的分佈。

與此同時，也能夠組合Swarmplot和Boxplot或Violinplot去描述Quantitative變量。用鳶尾花數據集展現以下：

context= ['notebook','paper','talk','poster'] 

axes_style = ['ticks','white','whitegrid', 'dark'] 

 plt.figure(1,figsize=(12,12))for i in range(4): with 

sns.axes_style(axes_style[i]):#設置axes_style sns.set_context(context[i])#設置context 

plt.subplot(2,2,i+1) 

 plt.title(str(var[i])+ ' in Iris species') 

 sns.swarmplot(x='species', y=var[i], data=iris, color="w", alpha=.5) 

sns.violinplot(x='species', y=var[i], data=iris, inner=None) if i%2 ==0 \ else sns.boxplot(x='species', y=var[i], data=iris) # 分別用swarmplot+violinplot 和swarmplot + boxplot 

 plt.show()

Barplot

Barplot主要是展示在分類中的Quantitative變量的平均值狀況，而且用了Boostrapping算法計算了估計值的置信區間和Error bar.用鳶尾花數據集。

plt.figure(1,figsize=(12,12))for i in range(4): with sns.axes_style(axes_style[i]):#設置axes_style 

 sns.set_context(context[i]) # 設置context style,默認爲notebook,除此以外還有paper,talk,poster plt.subplot(2,2,i+1) 

 plt.title(str(var[i])+ ' in Iris species') sns.barplot(x='species',y=var[i],data=iris) 

plt.show()

Countplot

若是想知道在每一個類別下面有多少個觀察值，用Countplot就能夠，至關因而作一個Observation Counts，用鳶尾花數據集展現以下：

plt.figure(figsize=(5,5)) sns.countplot(y="species", data=iris) # 設置y='species',將countplot水平放置 

plt.title('Iris species count') 

plt.show()

Pointplot

Pointplot至關因而對Barplot作了一個橫向延伸，一方面，用Point Estimate和Confidence Level去展現Barplot的內容；另外一方面，當每個主類別下面有更細分的Sub-Category的時候，Pointplot能夠便於觀察不一樣Sub-Category在各主類別之間的聯繫。展現以下：

plt.figure(1,figsize=(12,12))for i in range(4): with sns.axes_style(axes_style[i]):#設置axes_style 

 sns.set_context(context[i]) # 設置context style,默認爲notebook,除此以外還有paper,talk,poster plt.subplot(2,2,i+1) 

 plt.title(str(var[i])+ ' in Iris species') sns.pointplot(x='species',y=var[i],data=iris) 

plt.show()

Factorplot

Factorplot能夠說是Seaborn作Category Visualization的精髓，前面講的這些Plot均可以說是Factorplot的具體展現。咱們能夠用PariGrid去實現對多個類別的數值特徵用同一種Plot作可視化。

sns.set(style="ticks") g = sns.PairGrid(iris, x_vars = ['sepal_length','sepal_width','petal_length','petal_width'], y_vars = 'species', aspect=0.75,size=4) # 設置間距和圖片大小 g.map(sns.violinplot,palette='pastel') 

plt.show()

在這個數據集中，Quantitative的變量主要有房屋的面積Area,每平米單價Price，以及房屋總價Tprice。

科賽網(kesci.com)是聚合數據人才和行業問題的在線社區，重點打造的K-Lab在線數據分析協做平臺，爲數據工做者的學習與工做帶來全新的體驗。