Seaborn可视化数据分析

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：

1. 在relplot()函数中通过设置kind参数为line绘制折线图；
2. 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:

1. data：表示要观察的数据，可以是Series、一维数组或列表
2. bins：用于控制条形的数量
3. hist：接收布尔类型，表示是否绘制(标注)直方图
4. kde：接收布尔类型，表示是否绘制高斯核密度估计曲线
5. rug：接收布尔类型，表示是否在支持的轴方向上绘制rugplot
6. 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：

1. x,y,hue：数据字段变量名
2. data：DataFrame(数组或数组列表)
3. order,hue_order：字符串列表，显示指定分类顺序
4. estimator：可回调函数，设置每个分类箱的统计函数
5. 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
6. n_boot：int，计算置信区间时使用的引导迭代次数
7. orient：v | h，图显示方向(垂直或水平)
8. color：设置颜色
9. 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
10. saturation：饱和度，float类型
11. errcolor：表示置信区间的线条颜色
12. errwidth：float类型，表示误差线的厚度
13. capsize：表示误差线上横线的宽度
14. 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：

1. hue: 散点图中的分类字段
2. col：列分类变量，构成子集
3. row：行分类变量
4. col_wrap: 控制每行子图数量
5. size：控制子图高度
6. 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：

1. hue:分类字段
2. width：箱形图高度
3. 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()