5-5 可視化庫Seaborn-多變量分析繪圖

 

Parameters：¶

參數	解釋	變量
x,y,hue	數據集變量	變量名
date	數據集	數據集名
row,col	更多分類變量進行平鋪顯示	變量名
col_wrap	每行的最高平鋪數	整數
estimator	在每一個分類中進行矢量到標量的映射	矢量
ci	置信區間	浮點數或None
n_boot	計算置信區間時使用的引導迭代次數 整數
units	採樣單元的標識符，用於執行多級引導和重複測量設計	數據變量或向量數據
order, hue_order	對應排序列表	字符串列表
row_order, col_order	對應排序列表	字符串列表
kind	point 默認, bar 柱形圖, count 頻次, box 箱體, violin 提琴, strip 散點，swarm 分散點	（具體圖形參考文章前部的分類介紹）
size	每一個面的高度（英寸）	標量
aspect	縱橫比	標量
orient	方向	"v"/"h"
color	顏色	matplotlib顏色
palette	調色板	seaborn顏色色板或字典
legend hue的信息面板	True/False
legend_out	是否擴展圖形，並將信息框繪製在中心右邊	True/False
share{x,y}	共享軸線	True/False
facet_kws	FacetGrid的其餘參數	字典

In [1]:

%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats,integrate
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(style="whitegrid",color_codes=True)

#生成分類數據隨機種子
#map能夠把一個 list 轉換爲另外一個 list，只須要傳入轉換函數。
#ord函數主要用來返回對應字符的ascii碼,接受一個參數，返回值是int，整數
np.random.seed(sum(map(ord,"category")))
#自帶的數據集
titanic=sns.load_dataset("titanic")
tips=sns.load_dataset("tips")
iris=sns.load_dataset("iris")

In [2]:

sns.stripplot(x="day",y="total_bill",data=tips)

Out[2]:

<matplotlib.axes._subplots.AxesSubplot at 0xa99e0b8>

 

 

1.重疊是很常見的現象，可是重疊影響觀察數據的量，有以下方法解決：

1-1.加入抖動量jitter

In [3]:

sns.stripplot(x="day",y="total_bill",data=tips,jitter=True)

Out[3]:

<matplotlib.axes._subplots.AxesSubplot at 0xad9a860>

 

 

1-2. 畫分簇散點圖：它使用避免重疊點的算法將分類軸上的每一個散點圖點定位

In [4]:

sns.swarmplot(x="day",y="total_bill",data=tips)

Out[4]:

<matplotlib.axes._subplots.AxesSubplot at 0xadde278>

 

 

• 固然也能夠傳入hue參數添加多個嵌套的分類變量。高於分類軸上的顏色和位置時冗餘的，如今每一個都提供有兩個變量之一的信息

In [5]:

sns.swarmplot(x="day",y="total_bill",data=tips,hue="sex")

Out[5]:

<matplotlib.axes._subplots.AxesSubplot at 0xae53710>

 

In [6]:

#您能夠使用orient關鍵字強制定向，但一般能夠從傳遞給x和/或y的變量的數據類型推斷繪圖方向
sns.swarmplot(x="total_bill", y="day", hue="time", data=tips);

 

 

合圖¶

2.合圖

• IQR 即統計學概念分四分位距，第一/四分位與第三/四分位之間的距離
• N=1.5IQR若是一個值>Q3+N或<Q1-N ,則爲離羣點

In [7]:

sns.boxplot(x="day",y="total_bill",hue="time",data=tips);

 

In [8]:

sns.violinplot(y="day",x="total_bill",hue="sex",data=tips)

Out[8]:

<matplotlib.axes._subplots.AxesSubplot at 0xafdd240>

 

 

2-1 小提琴圖分割特徵

• split=True,在一個小提琴上分割特徵

In [9]:

sns.violinplot(x="day",y="total_bill",hue="sex",data=tips,split=True)

Out[9]:

<matplotlib.axes._subplots.AxesSubplot at 0xb08fa90>

 

 

2-2兩種圖相互疊加

In [10]:

sns.violinplot(x="day",y="total_bill",data=tips,inner=None)
sns.swarmplot(x="day",y="total_bill",data=tips,color="w",alpha=0.5)

Out[10]:

<matplotlib.axes._subplots.AxesSubplot at 0xb0fab70>

 

 

1. 顯示值的集中趨勢能夠用柱狀圖

In [11]:

sns.barplot(x="sex",y="survived",hue="class",data=titanic)

Out[11]:

<matplotlib.axes._subplots.AxesSubplot at 0xb17ea90>

 

 

1. 點圖能夠更好的描述變化差別

In [12]:

sns.pointplot(x="sex",y="survived",hue="class",data=titanic)

Out[12]:

<matplotlib.axes._subplots.AxesSubplot at 0xb1db5c0>

 

In [13]:

sns.pointplot(x="class",y="survived",hue="sex",data=titanic,
             palette={"male":"g","female":"m"},#設置顏色
             markers=["^","o"], linestyles=["-","--"])     #設置標記，線性  

Out[13]:

<matplotlib.axes._subplots.AxesSubplot at 0xb25aa58>

 

 

5.寬形數據

In [14]:

sns.boxplot(data=iris,orient="h")#,orient="h"指定畫圖方向是橫的

Out[14]:

<matplotlib.axes._subplots.AxesSubplot at 0xaeff4a8>

 

 

6.多層面板分類圖

In [15]:

sns.factorplot(x="day",y="total_bill",hue="smoker",data=tips)

Out[15]:

<seaborn.axisgrid.FacetGrid at 0xb0827f0>

 

 

• kind="bar":指定畫圖種類

In [16]:

sns.factorplot(x="day",y="total_bill",hue="smoker",data=tips,kind="bar")

Out[16]:

<seaborn.axisgrid.FacetGrid at 0xb1b3780>

 

 

• col指定橫軸分類

In [17]:

sns.factorplot(x="day",y="total_bill",hue="smoker",data=tips,kind="swarm",col="time")

Out[17]:

<seaborn.axisgrid.FacetGrid at 0xaf96e80>

 

 

• 任何一種圖形均可以畫出來。基於FacetGrid的工做原理，要更改圖形的大小和形狀，須要指定適用於每一個方面的size和aspect參數:size大小和aspect長寬比

In [18]:

sns.factorplot(x="day",y="total_bill",hue="smoker",data=tips,kind="box",col="day",size=4,aspect=0.5)

Out[18]:

<seaborn.axisgrid.FacetGrid at 0xb3386d8>