Seaborn
概述
Seaborn是一个基于 Matplotlib 的 Python 数据可视化库，专注于统计图表的绘制。它提供了更高级的接口和更美观的默认样式，非常适合用于数据分析和探索性数据分析（EDA）。
官方文档：Seaborn
中文文档：Seaborn
环境准备
安装Seaborn和Matplotlib：
Python
pip install seaborn matplotlib安装Pandas和NumPy：
python
pip install pandas numpySeaborn基本使用
从Seaborn的核心功能和基本图表开始，了解Seaborn的基本语法以及掌握常用图表的绘制方法
环境准备
Seaborn自带一些示例数据集，非常适合练习。
python
import seaborn as sns
import matplotlib.pyplot as plt
# 加载示例数据集
tips = sns.load_dataset("tips")
# 打印前5行数据
print(tips.head())数据说明
tips是Seaborn 提供的一个示例数据集，记录了餐厅顾客的小费数据。
python
total_bill tip sex smoker day time size
0 16.99 1.01 Female No Sun Dinner 2
1 10.34 1.66 Male No Sun Dinner 3
2 21.01 3.50 Male No Sun Dinner 3
3 23.68 3.31 Male No Sun Dinner 2
4 24.59 3.61 Female No Sun Dinner 4数据列说明
| 列名 | 类型 | 说明 |
|---|---|---|
total_bill |
数值型（float） | 账单总金额（美元） |
tip |
数值型（float） | 顾客支付的小费金额（美元） |
sex |
分类变量（字符串） | 顾客的性别，取值为 Male（男性）或 Female（女性） |
smoker |
分类变量（字符串） | 顾客是否吸烟，取值为 Yes（吸烟）或 No（不吸烟） |
day |
分类变量（字符串） | 顾客用餐的星期几，取值为 Thur（星期四）、Fri（星期五）、Sat（星期六）或 Sun（星期日） |
time |
分类变量（字符串） | 用餐时间，取值为 Lunch（午餐）或 Dinner（晚餐） |
size |
数值型（int） | 用餐人数 |
绘制散点图（Scatter Plot）
散点图用于显示两个连续变量之间的关系，适合观察变量之间的趋势、聚类或异常值。
python
sns.scatterplot(x="total_bill", y="tip", data=tips)
plt.show()
绘制折线图（Line Plot）
折线图用于显示数据随时间的变化趋势。
python
sns.lineplot(x="total_bill", y="tip", data=tips)
plt.show()
绘制柱状图（Bar Plot）
柱状图用于比较不同类别的数据。
python
sns.barplot(x="day", y="total_bill", data=tips)
plt.show()
绘制直方图（Histogram）
直方图用于显示数据的分布。
python
sns.histplot(tips["total_bill"], bins=20, kde=True)
plt.show()
Seaborn进阶使用
多图绘制（FacetGrid）
用于在同一画布上绘制多个子图。
python
g = sns.FacetGrid(tips, col="time", row="smoker")
g.map(sns.scatterplot, "total_bill", "tip")
plt.show()
样式设置
Seaborn 提供了多种内置主题和颜色方案。
python
sns.set_style("darkgrid") # 设置样式
sns.set_palette("husl") # 设置颜色
sns.scatterplot(x="total_bill", y="tip", data=tips)
plt.show()
回归图（Regression Plot）
回归图在散点图的基础上添加了一条回归线，用于显示变量之间的线性关系。
python
# 设置画布大小
plt.figure(figsize=(8, 6))
# 绘制回归图
sns.regplot(x="total_bill", y="tip", data=tips, scatter_kws={"s": 50}, line_kws={"color": "red"})
# 添加标题和标签
plt.title("Regression Plot: Total Bill vs Tip", fontsize=14)
plt.xlabel("Total Bill ($)", fontsize=12)
plt.ylabel("Tip ($)", fontsize=12)
# 显示图表
plt.show()直方图（Histogram）
直方图是显示数据分布的最常用方法之一。它将数据分成若干区间（bin），并统计每个区间内的数据数量。
python
import seaborn as sns
import matplotlib.pyplot as plt
# 加载示例数据集
tips = sns.load_dataset("tips")
# 设置画布大小
plt.figure(figsize=(8, 5))
# 绘制直方图
# color="orange"：设置曲线的颜色
# kde=True：添加核密度估计曲线，显示数据分布的平滑趋势
# color="skyblue"：设置直方图的颜色
sns.histplot(tips["total_bill"], bins=20, kde=True, color="skyblue")
# 添加标题和标签
plt.title("Distribution of Total Bill", fontsize=14)
plt.xlabel("Total Bill", fontsize=12)
plt.ylabel("Frequency", fontsize=12)
# 显示图表
plt.show()
核密度估计图（Kernel Density Estimate, KDE）
KDE 是一种非参数方法，用于估计数据的概率密度函数。它比直方图更平滑，适合显示数据的整体分布。
python
# 设置画布大小
plt.figure(figsize=(8, 5))
# 绘制 KDE 图
# shade=True：填充曲线下方的区域
# color="orange"：设置曲线的颜色
sns.kdeplot(tips["total_bill"], color="orange", shade=True)
# 添加标题和标签
plt.title("Kernel Density Estimate of Total Bill", fontsize=14)
plt.xlabel("Total Bill", fontsize=12)
plt.ylabel("Density", fontsize=12)
# 显示图表
plt.show()
箱线图（Box Plot）
箱线图用于显示一个分类变量和一个连续变量之间的关系，适合比较不同类别的数据分布。
python
# 设置画布大小
plt.figure(figsize=(8, 5))
# 绘制箱线图
# x="day"：指定 x 轴为星期几
# y="total_bill"：指定 y 轴为总账单金额
# palette="Set3"：设置颜色方案
sns.boxplot(x="day", y="total_bill", data=tips, palette="Set2")
# 添加标题和标签
plt.title("Distribution of Total Bill by Day", fontsize=14)
plt.xlabel("Day", fontsize=12)
plt.ylabel("Total Bill", fontsize=12)
# 显示图表
plt.show()
小提琴图（Violin Plot）
小提琴图结合了箱线图和核密度估计图的优点，能够更直观地显示数据的分布和密度。
python
# 设置画布大小
plt.figure(figsize=(8, 5))
# 绘制小提琴图
# x="day"：指定 x 轴为星期几
# y="total_bill"：指定 y 轴为总账单金额
# palette="Set3"：设置颜色方案
sns.violinplot(x="day", y="total_bill", data=tips, palette="Set3")
# 添加标题和标签
plt.title("Violin Plot of Total Bill by Day", fontsize=14)
plt.xlabel("Day", fontsize=12)
plt.ylabel("Total Bill", fontsize=12)
# 显示图表
plt.show()
热力图（Heatmap）
热力图用于显示两个分类变量之间的关系，或者数值特征之间的相关性。
python
# 使用 drop() 方法删除非数值列 'species'，因为相关性计算只能针对数值数据
correlation = iris.drop(columns=["species"])
# 使用 corr() 方法计算剩余数值特征之间的相关性矩阵
correlation = correlation.corr()
# 设置画布大小
plt.figure(figsize=(8, 6))
# 绘制热力图
sns.heatmap(correlation, annot=True, cmap="coolwarm", fmt=".2f", linewidths=0.5)
# 添加标题
plt.title("Correlation Heatmap of Tips Dataset Features", fontsize=14)
# 显示图表
plt.show()
计数图（Count Plot）
计数图用于显示分类变量的频数分布。
python
# 设置画布大小
plt.figure(figsize=(8, 6))
# 绘制计数图
sns.countplot(x="class", data=titanic, palette="Set3")
# 添加标题和标签
plt.title("Passenger Count by Class", fontsize=14)
plt.xlabel("Passenger Class", fontsize=12)
plt.ylabel("Count", fontsize=12)
# 显示图表
plt.show()
联合分布图（Joint Plot）
联合分布图可以同时显示两个变量的散点图和各自的分布（直方图或 KDE 图）。
python
# 绘制联合分布图
# x="total_bill"：指定 x 轴为总账单金额
# y="tip"：指定 y 轴为小费金额
# kind="scatter"：指定图表类型为散点图（其他选项包括 "kde" 和 "hex"）
# height=6：设置图表的高度
sns.jointplot(x="total_bill", y="tip", data=tips, kind="scatter", height=6)
# 显示图表
plt.show()
多变量分布图（Pair Plot）
Pair Plot 可以显示数据集中多个变量之间的分布和关系，适合用于探索性数据分析。
python
# 绘制多变量分布图
# hue="sex"：按性别分组，用不同颜色表示
# palette="Set1"：设置颜色方案
sns.pairplot(tips, hue="sex", palette="Set1")
# 显示图表
plt.show()
分析泰坦尼克号数据集（titanic）
环境准备
python
# 导入必要的库
import seaborn as sns
import matplotlib.pyplot as plt
# 加载泰坦尼克号数据集
titanic = sns.load_dataset("titanic")
print(titanic.head()) # 查看数据集的前几行，了解数据结构数据说明
titanic是Seaborn 提供的另一个经典示例数据集，记录了泰坦尼克号上乘客的信息，包括他们的生存状态、年龄、性别、舱位等级等。
python
survived pclass sex age sibsp parch fare embarked class \
0 0 3 male 22.0 1 0 7.2500 S Third
1 1 1 female 38.0 1 0 71.2833 C First
2 1 3 female 26.0 0 0 7.9250 S Third
3 1 1 female 35.0 1 0 53.1000 S First
4 0 3 male 35.0 0 0 8.0500 S Third
who adult_male deck embark_town alive alone
0 man True NaN Southampton no False
1 woman False C Cherbourg yes False
2 woman False NaN Southampton yes True
3 woman False C Southampton yes False
4 man True NaN Southampton no True 数据列说明
| 列名 | 类型 | 说明 |
|---|---|---|
survived |
数值型（int） | 是否生存，取值为 0（未生存）或 1（生存）。 |
pclass |
数值型（int） | 舱位等级，取值为 1（头等舱）、2（二等舱）或 3（三等舱）。 |
sex |
分类变量（字符串） | 乘客性别，取值为 male（男性）或 female（女性）。 |
age |
数值型（float） | 乘客年龄（岁）。 |
sibsp |
数值型（int） | 乘客在船上的兄弟姐妹或配偶的数量。 |
parch |
数值型（int） | 乘客在船上的父母或子女的数量。 |
fare |
数值型（float） | 乘客票价（英镑）。 |
embarked |
分类变量（字符串） | 乘客登船港口，取值为 C（Cherbourg）、Q（Queenstown）、S（Southampton）。 |
class |
分类变量（字符串） | 舱位等级（与 pclass 相同，但为字符串形式），取值为 First、Second、Third。 |
who |
分类变量（字符串） | 乘客类别，取值为 man（男性成人）、woman（女性成人）、child（儿童）。 |
adult_male |
布尔型（bool） | 是否为成年男性，取值为 True 或 False。 |
deck |
分类变量（字符串） | 乘客所在甲板（A-G），部分数据缺失。 |
embark_town |
分类变量（字符串） | 乘客登船港口（与 embarked 相同，但为完整名称）。 |
alive |
分类变量（字符串） | 是否生存（与 survived 相同，但为字符串形式），取值为 no 或 yes。 |
alone |
布尔型（bool） | 乘客是否独自一人，取值为 True 或 False。 |
乘客生存率的柱状图
绘制一个柱状图，显示乘客的生存率（Survived）分布
python
# 设置画布大小
plt.figure(figsize=(6, 4))
# 绘制柱状图
sns.countplot(x="survived", data=titanic, palette="Set2")
# 添加标题和标签
plt.title("Passenger Survival Count (0 = No, 1 = Yes)", fontsize=14)
plt.xlabel("Survived", fontsize=12)
plt.ylabel("Count", fontsize=12)
# 显示图表
plt.show()代码说明：
python
sns.countplot：用于绘制分类变量的计数柱状图。
x="survived"：指定 x 轴为生存状态（0 表示未生存，1 表示生存）。
palette="Set2"：设置颜色方案。
plt.title、plt.xlabel、plt.ylabel：添加标题和轴标签
不同舱位的票价分布
绘制一个箱线图，显示不同舱位（Pclass）的票价（Fare）分布
python
# 设置画布大小
plt.figure(figsize=(8, 5))
# 绘制箱线图
sns.boxplot(x="pclass", y="fare", data=titanic, palette="Set3")
# 添加标题和标签
plt.title("Fare Distribution by Passenger Class", fontsize=14)
plt.xlabel("Passenger Class (Pclass)", fontsize=12)
plt.ylabel("Fare", fontsize=12)
# 显示图表
plt.show()代码说明：
python
sns.boxplot：用于绘制箱线图，显示数据的分布和离群值。
x="pclass"：指定 x 轴为乘客舱位（1 = 头等舱，2 = 二等舱，3 = 三等舱）。
y="fare"：指定 y 轴为票价。
palette="Set3"：设置颜色方案。
年龄与生存率的关系
绘制一个直方图，显示不同年龄段的乘客生存率。
python
# 设置画布大小
plt.figure(figsize=(10, 6))
# 绘制直方图，按生存状态分组
sns.histplot(data=titanic, x="age", hue="survived", bins=30, kde=True, palette="Set1")
# 添加标题和标签
plt.title("Age Distribution by Survival Status", fontsize=14)
plt.xlabel("Age", fontsize=12)
plt.ylabel("Count", fontsize=12)
# 显示图例
plt.legend(title="Survived", labels=["No", "Yes"])
# 显示图表
plt.show()代码说明：
python
sns.histplot：用于绘制直方图，显示数据的分布。
x="age"：指定 x 轴为年龄。
hue="survived"：按生存状态分组，用不同颜色表示。
bins=30：设置直方图的柱子数量。
kde=True：添加核密度估计曲线，显示数据分布的平滑趋势。
palette="Set1"：设置颜色方案。
plt.legend：添加图例，说明颜色对应的生存状态。
分析鸢尾花数据集（iris）
环境准备
python
# 导入必要的库
import seaborn as sns
import matplotlib.pyplot as plt
# 加载鸢尾花数据集
iris = sns.load_dataset("iris")
print(iris.head()) # 查看数据集的前几行，了解数据结构数据说明
iris数据集（鸢尾花数据集）是机器学习和数据科学领域中最经典的数据集之一。
python
sepal_length sepal_width petal_length petal_width species
0 5.1 3.5 1.4 0.2 setosa
1 4.9 3.0 1.4 0.2 setosa
2 4.7 3.2 1.3 0.2 setosa
3 4.6 3.1 1.5 0.2 setosa
4 5.0 3.6 1.4 0.2 setosa数据列说明
| 列名 | 类型 | 说明 |
|---|---|---|
sepal_length |
数值型（float） | 花萼长度（厘米）。 |
sepal_width |
数值型（float） | 花萼宽度（厘米）。 |
petal_length |
数值型（float） | 花瓣长度（厘米）。 |
petal_width |
数值型（float） | 花瓣宽度（厘米）。 |
species |
分类变量（字符串） | 鸢尾花种类，取值为 setosa、versicolor 或 virginica。 |
不同种类的花瓣长度分布
绘制一个直方图，显示不同种类（species）的鸢尾花的花瓣长度（petal_length）分布
python
# 设置画布大小
plt.figure(figsize=(10, 6))
# 绘制直方图，按种类分组
sns.histplot(data=iris, x="petal_length", hue="species", bins=30, kde=True, palette="Set1")
# 添加标题和标签
plt.title("Distribution of Petal Length by Species", fontsize=14)
plt.xlabel("Petal Length (cm)", fontsize=12)
plt.ylabel("Frequency", fontsize=12)
# 显示图例
plt.legend(title="Species")
# 显示图表
plt.show()代码说明：
python
sns.histplot：绘制直方图。
x="petal_length"：指定 x 轴为花瓣长度。
hue="species"：按种类分组，用不同颜色表示。
bins=30：将数据分成 30 个区间。
kde=True：添加核密度估计曲线，显示数据分布的平滑趋势。
palette="Set1"：设置颜色方案。
plt.legend：添加图例，说明颜色对应的种类。
花萼长度与花瓣长度的关系
绘制一个散点图，显示花萼长度（sepal_length）与花瓣长度（petal_length）的关系，并按种类分组。
python
# 设置画布大小
plt.figure(figsize=(10, 6))
# 绘制散点图，按种类分组
sns.scatterplot(x="sepal_length", y="petal_length", hue="species", data=iris, palette="Set2", s=100)
# 添加标题和标签
plt.title("Sepal Length vs Petal Length by Species", fontsize=14)
plt.xlabel("Sepal Length (cm)", fontsize=12)
plt.ylabel("Petal Length (cm)", fontsize=12)
# 显示图例
plt.legend(title="Species")
# 显示图表
plt.show()代码说明：
python
sns.scatterplot：绘制散点图。
x="sepal_length"：指定 x 轴为花萼长度。
y="petal_length"：指定 y 轴为花瓣长度。
hue="species"：按种类分组，用不同颜色表示。
palette="Set2"：设置颜色方案。
s=100：设置散点的大小。
plt.legend：添加图例，说明颜色对应的种类。
数据集中特征的相关性
绘制一个热力图，显示数据集中各个特征（如花萼长度、花瓣长度等）之间的相关性。
python
# 使用 drop() 方法删除非数值列 'species'，因为相关性计算只能针对数值数据
correlation = iris.drop(columns=["species"])
# 使用 corr() 方法计算剩余数值特征之间的相关性矩阵
correlation = correlation.corr()
# 设置画布大小
plt.figure(figsize=(8, 6))
# 绘制热力图
# 1. correlation：传入相关性矩阵作为热力图的数据
# 2. annot=True：在热力图的每个单元格中显示具体的数值
# 3. cmap="coolwarm"：设置颜色映射为从冷色（蓝色）到暖色（红色）的渐变色
# 4. fmt=".2f"：设置数值的显示格式为两位小数
# 5. linewidths=0.5：设置热力图中单元格之间的线条宽度为 0.5
sns.heatmap(correlation, annot=True, cmap="coolwarm", fmt=".2f", linewidths=0.5)
# 添加标题
plt.title("Correlation Heatmap of Iris Dataset Features", fontsize=14)
# 显示图表
plt.show()代码说明：
python
iris.drop(columns=["species"])：排除非数值列 species，只保留数值特征。
corr()：计算数值特征的相关性矩阵。
sns.heatmap：绘制热力图。
annot=True：在热力图中显示数值。
cmap="coolwarm"：设置颜色映射。
fmt=".2f"：设置数值的显示格式为两位小数。
linewidths=0.5：设置热力图中单元格之间的线条宽度。