python繪圖之seaborn 筆記

前段時間學習了梁斌老師的數據分析(升級版)第三講<探索性數據分析及數據可視化>,因爲以前一直比較忙沒有來得及總結,趁今天是週末有點閒暇時間,整理一下筆記:

什麼是seaborn

Seaborn是一種基於matplotlib的Python繪圖工具庫。它提供了一種高度交互式界面，便於用戶可以作出各類有吸引力的,信息量大的統計圖表。

在大多數狀況下使用seaborn就能作出很具備吸引力的圖，而使用matplotlib就能製做具備更多特點的圖。應該把Seaborn視爲matplotlib的補充，而不是替代物。同時它能高度兼容numpy與pandas數據結構以及scipy與statsmodels等統計模式的可視化。

 

特色:

• 多個內置主題及顏色主題
• 可視化單一變量,二位變量用於比較數據
• 可視化線性迴歸模型中的獨立變量及不獨立變量
• 可視化矩陣數據, 經過聚類算法探究矩陣間的結構
• 可視化時間序列數據及不肯定性的展現
• 可在分割區域製圖,用於複雜的可視化

 

安裝

pip install seaborn

若是是在Anaconda環境下，打開Anaconda prompt:

conda install seaborn

 

數據集分佈可視化

　　1 單變量分佈  　　　　　　　　　　　　　　        　　　　　　　　　　　　　　　　      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或一維數組或列表類型的數據

bins :設置矩形條的數量

hist :控制是否顯示條形圖

kde :控制是否顯示核密度估計圖

rug :控制是否顯示觀測的小細條（邊際毛毯）

fit :控制擬合的參數分佈圖形

vertical : 顯示正交控制

import numpy as np
import pandas as pd
from scipy import stats
import matplotlib.pyplot as plt
import seaborn as sns    //注意:一旦導入了seaborn，matplotlib的默認做圖風格就會被覆蓋成seaborn的格式
sns.set_style("dark")   #設置背景色爲黑色
%matplotlib inline

// 準備數據
x1 = np.random.normal(size = 1000)
x2 = np.random.randint(0, 50, 200)

　　　　　直方圖    

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

　　　　核密度估計(核密度估計是在機率論中用來估計未知的密度函數，屬於非參數檢驗方法之一。)

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

sns.kdeplot(x2, shade=True)  //shade控制陰影

sns.rugplot(x2)

　　　　擬合參數分佈 

x = np.random.gamma(6, size=200)#生成gamma分佈的數據 sns.distplot(x, kde=False, fit=stats.gamma);#fit擬合

 

　　2 雙變量分佈 

// 準備數據
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)})

　　　　散佈圖    

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

　　　　二維直方圖

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

　　核密度估計 

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

　　3 數據集中變量間關係可視化 

　　seaborn能夠一次性兩兩組合多個變量作出多個對比圖，有n個變量，就會作出一個n × n個格子的圖，譬若有2個變量，就會產生4個格子，每一個格子就是兩個變量之間的對比圖

1. var1  vs  var1
2. var1  vs  var2
3. var2  vs  var1
4. var2  vs  var2

　　相同的兩個變量之間（var1  vs  var1 和 var2  vs  var2）以直方圖展現，不一樣的變量則以散點圖展現（var1  vs  var2 和var2  vs  var1）

　　要注意的是數據中不能有NaN（缺失的數據），不然會報錯

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

 

類別數據可視化

 

// 準備數據
data = sns.load_dataset('exercise')

數據類型以下:

 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 類別散點圖

sns.stripplot(x="diet", y="pulse", data=data) //數據點會重疊

sns.swarmplot(x="diet", y="pulse", data=data, hue='kind')//數據點不重疊

　　2 類別內數據分佈

　　　　箱型圖 

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

　　小提琴圖 

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

　　3 類別內統計圖

　　　　柱狀圖

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

　　　　點圖 

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

 

 

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