Seaborn可视化进阶：关系图、分布图与分类图全解（折线/散点/盒图/小提琴/热力/点图）

折线图

方法

lineplot方法单独绘制折线图
relplot方法绘制折线图、散点图

常规

python 复制代码

import seaborn as sns

#加载数据
tips = sns.load_dataset("tips")

#绘制简单折线图
sns.lineplot(x=[1,2,3,4,5,6],y=[1,4,9,16,25,36])
sns.relplot(x=[1,2,3,4,5,6],y=[1,4,9,16,25,36],kind='line')

额外设置

python 复制代码

import seaborn as sns
# 示例数据
tips = sns.load_dataset("tips")

sns.lineplot(data=tips,x='day',y='total_bill')

sns.relplot(data=tips,x='day',y='total_bill',kind='line')

# 多变量折线图
sns.lineplot(data=tips,x='day',y='total_bill',hue='sex')

sns.relplot(data=tips,x='day',y='total_bill',kind='line',hue='sex')

sns.relplot(data=tips,x='day',y='total_bill',kind='line',hue='sex',col='time')
#这个是不能用的
#sns.lineplot(data=tips,x='day',y='total_bill',kind='line',hue='sex',col='time')

散点图

方法

scatterplot方法主要用于绘制两个数值变量之间的散点图
relplot方法可以绘制多种类型的关系图，包括散点图

常规

python 复制代码

import seaborn as sns

#加载数据
tips = sns.load_dataset("tips")

#绘制散点图
sns.scatterplot(data=tips,x='tip',y='total_bill')

sns.relplot(data=tips,x='tip',y='total_bill')

多组散点图

python 复制代码

import seaborn as sns

#加载数据
tips = sns.load_dataset("tips")

#设置分组
sns.scatterplot(data=tips,x='tip',y='total_bill',hue='sex')

sns.relplot(data=tips,x='tip',y='total_bill',hue='sex')

根据变量分图

python 复制代码

import seaborn as sns

#加载数据
tips = sns.load_dataset("tips")

#根据变量分图
sns.relplot(data=tips,x='tip',y='total_bill',hue='sex',col='smoker')

分类散点图

方法

stripplot方法利用抖动功能绘制分类散点图，以减少过度绘图
swramplot方法绘制分类散点图，并将点调整为不重叠
catplot方法可以绘制以上2种图，并且可以分图

绘制分类散点图

python 复制代码

import seaborn as sns

tips = sns.load_dataset("tips")

# 绘制分类散点图
sns.stripplot(data=tips,y='total_bill')

sns.stripplot(data=tips,x='total_bill')

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

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

#分组
sns.stripplot(data=tips,x='day',y='total_bill',hue='sex',dodge=True)

#绘制展开的散点图
sns.catplot(data=tips,x='day',y='total_bill',hue='sex',dodge=True,kind='swarm')

sns.stripplot(data=tips,x='day',y='total_bill',hue='sex',dodge=True,marker='v')

盒图

方法

boxplot方法
catplot方法

代码

python 复制代码

import seaborn as sns

#加载数据
tips = sns.load_dataset('tips')

#绘制盒图
sns.boxplot(data=tips,y='total_bill')   #单独一个变量

sns.boxplot(data=tips,y='total_bill',x='day') #两个变量

sns.boxplot(data=tips,y='total_bill',x='day',hue='sex') #数据分组

sns.boxplot(data=tips,y='total_bill',x='day',hue='sex',
            fill=True,   #填充盒图，默认是True
            gap=0.5,    #盒图之间的间隔
            width=1,    #盒图的宽度
            notch=True, #盒图是否是凹槽的形式
            ) 

sns.catplot(data=tips,y='total_bill',x='day',hue='sex',
            fill=True,   #填充盒图，默认是True
            gap=0.5,    #盒图之间的间隔
            width=1,    #盒图的宽度
            notch=True, #盒图是否是凹槽的形式
            kind = 'box',
            col='time'
            )

小提琴图

提琴图的作用与箱形须线图类似。它显示了数据点按一个（或多个）变量分组后的分布情况。与箱图不同的是，每一个小提琴图都是通过对基础分布的核密度估计来绘制的。

方法

violinplot方法绘制单图小提琴图
catplot方法绘制多图小提琴图

代码

python 复制代码

import seaborn as sns

#加载数据
tips = sns.load_dataset('tips')

#绘制小提琴图
sns.violinplot(data=tips,x="total_bill") #X轴为total_bill列

sns.violinplot(data=tips,y="total_bill") #Y轴为total_bill列

sns.violinplot(data=tips,x='day',y='total_bill')

sns.violinplot(data=tips,x='day',y='total_bill',hue='sex')  #以性别分组数据

sns.catplot(data=tips,x='day',y='total_bill',hue='sex',kind='violin')

sns.catplot(data=tips,x='day',y='total_bill',hue='sex',kind='violin',col='smoker')

热力图

方法

heatmap方法

代码

python 复制代码

import seaborn as sns

# 示例数据
flights = sns.load_dataset("flights")
flights

#转换数据格式
data = flights.pivot(index='month',columns='year',values='passengers')
data

#绘制热力图
sns.heatmap(data)

#绘制热力图，显示数字
sns.heatmap(data,annot=True,fmt='d')

#设置矩阵中每个小块的大小
sns.heatmap(data,annot=True,fmt='d',linewidths='0.5')

#设置热力图的颜色色条
sns.heatmap(data,annot=True,fmt='d',linewidths='0.5',cbar=False)

#设置颜色
sns.heatmap(data,annot=True,fmt='d',linewidths='0.5',cbar=False,cmap='Blues')

#设置值的范围
sns.heatmap(data,annot=True,fmt='d',linewidths='0.5',
            cbar=False,cmap='Blues',vmin='300',vmax=500)

点图

点图用于探索和比较两个分类变量之间的关系

主要特点和使用场景包括：

中心趋势的表示： 点图通过在坐标轴上的点表示每个组别的中心趋势，通常是均值。这使得你可以直观地比较不同组别的中心位置。
不确定性的展示： 除了点的位置表示中心趋势外，点图还通过垂直线（误差棒）表示中心趋势的不确定性，通常是置信区间。这有助于了解估计值的精度。
适用于两个分类变量： 点图的主要用途是比较两个分类变量之间的关系。一个分类变量通常用于横轴，另一个分类变量用于纵轴

方法

pointplot方法
catplot方法

代码

python 复制代码

import seaborn as sns

#加载数据
tips = sns.load_dataset('tips')

#绘制点图
sns.pointplot(data=tips,x='day',y='total_bill')

sns.pointplot(data=tips,x='day',y='total_bill',hue='sex')   #分组

sns.pointplot(data=tips,x='day',y='total_bill',hue='sex',dodge=True)    #偏离

sns.pointplot(data=tips,x='day',y='total_bill',
              hue='sex',dodge=True,
              markers=['o','s'],
              linestyles=['-','--']
              )    #样式

#使用catpolt绘制点图
sns.catplot(data=tips,x='day',y='total_bill',
              hue='sex',dodge=True,
              markers=['o','s'],
              linestyles=['-','--'],
              kind='point'
              )    

#分图
sns.catplot(data=tips,x='day',y='total_bill',
              hue='sex',dodge=True,
              markers=['o','s'],
              linestyles=['-','--'],
              kind='point',
              col='smoker'
              )