Python数据分析（十三）：Seaborn 统计可视化

[一、什么是 Seaborn](#一、什么是 Seaborn)

[1. Seaborn 基本概念](#1. Seaborn 基本概念)

[2. 为什么基于 Matplotlib 构建](#2. 为什么基于 Matplotlib 构建)

二、单变量数据可视化

[1. 直方图](#1. 直方图)

[2. 核密度估计图](#2. 核密度估计图)

[3. 计数图](#3. 计数图)

三、双变量数据可视化

[1. 散点图](#1. 散点图)

[2. 统计柱状图](#2. 统计柱状图)

[3. 箱线图](#3. 箱线图)

[4. 小提琴图](#4. 小提琴图)

[5. 六边形蜂巢图](#5. 六边形蜂巢图)

[6. 二维核密度估计图](#6. 二维核密度估计图)

四、PairPlot

[1. PairPlot 图表结构](#1. PairPlot 图表结构)

[2. 方法签名与代码示例](#2. 方法签名与代码示例)

五、多变量

[1. 核心视觉通道](#1. 核心视觉通道)

[2. 代码示例](#2. 代码示例)

[六、Seaborn Style](#六、Seaborn Style)

[1. 预设背景主题](#1. 预设背景主题)

[2. 代码示例](#2. 代码示例)

总结

关于本篇代码中数据集来源的说明：

本篇示例代码中用到的 tips（小费数据集）、penguins（企鹅数据集）、diamonds（钻石数据集）等，均为 Seaborn 内置的官方统计示例数据集

在代码中通过 sns.load_dataset("tips") 即可直接在线加载为 Pandas DataFrame。读者无需在本地准备或下载任何 CSV 文件，只要安装了 Seaborn 并在联网环境下运行代码，即可实现百分百效果复现

一、什么是 Seaborn

在 Python 数据科学与统计分析领域，如果说 Matplotlib 是数据可视化的基石，那么 Seaborn 就是建立在其之上的建筑。Seaborn 专门为统计图形和探索性数据分析设计，能够用极简的代码绘制出既美观又具备意义的图表

1. Seaborn 基本概念

Seaborn 是一个基于 Matplotlib 构建的高阶 Python 数据可视化库。它集成了常用的数据统计与拟合算法，并与 Pandas DataFrame 数据结构深度绑定

从底层设计理念来看，Seaborn 的核心特点体现在以下三个方面：

统计表达：内置了均值计算、方差估计、置信区间拟合、核密度估计等统计逻辑，绘图的同时即可自动完成基础统计计算。
DataFrame 集成：直接以数据或 DataFrame 作为输入，无需手动对数据提取列表或进行循环分组
视觉设计：内置了调和且专业的色彩搭配与图表主题样式，避免了 Matplotlib 默认样式偏古板的问题

2. 为什么基于 Matplotlib 构建

既然 Seaborn 功能如此强大且美观，为什么它不完全独立开发，而是选择作为 Matplotlib 的上层封装？这主要源于以下三个原因：

1. 继承底层能力

Matplotlib 经过二十余年的迭代，具备成熟且完善的底层图形渲染引擎（渲染画布、坐标系、几何图形绘制、图像导出等）。Seaborn 无需重复造轮子，而是将精力专注于上层的数据映射 与统计逻辑抽象

2. 消除冗长代码

在 Matplotlib 中，如果需要绘制带有置信区间的柱状图，或按照某一分类变量对数据点进行颜色分组，通常需要书写大量循环与统计计算代码

Seaborn 将这些高频的业务需求抽象为了单行 API 调用。例如：

python 复制代码

import seaborn as sns
import matplotlib.pyplot as plt

# 载入内置示例数据集
tips = sns.load_dataset("tips")

# 仅需单行代码即可自动完成：数据分组、均值计算、置信区间估计以及绘图
sns.barplot(data=tips, x="day", y="total_bill", hue="sex")
plt.show()

3. 定制能力

由于 Seaborn 调用的底层依然是 Matplotlib 对象，因此 Seaborn 生成的所有图形，其返回值均为 Matplotlib 的 Axes 或 FacetGrid（基于 Figure）对象

这意味着：开发者可以使用 Seaborn 的 API 快速生成图形骨架，同时随时调用熟悉的 Matplotlib 方法进行局部微调

二、单变量数据可视化

数据分析的初始阶段，通常需要先了解单个变量的分布特征、集中趋势、离散程度以及离群点。Seaborn 针对单变量分析提供了绘图函数，按变量类型可分为直方图、核密度估计图与计数图

1. 直方图

直方图是观察连续型数值变量分布形态最基础的工具。Seaborn 的 histplot 在计算区间频数的同时，提供了丰富的统计量切分与区间调整选项

python 复制代码

sns.histplot(data=None, x=None, y=None, hue=None, 
             stat='count', bins='auto', binwidth=None, kde=False, **kwargs)

data：数据源，通常为 Pandas DataFrame
x：指定要分析的连续型变量列名
bins：柱体数量，可传整数或字符串（默认 'auto'）
binwidth：显示指定每个分箱的物理宽度（与 bins 二选一）
stat：纵轴的统计度量指标，常用选项：
    'count'：频数
    'density'：密度
    'probability'：概率/频率
kde：布尔值，是否在直方图上方叠加密度估计曲线

代码示例

python 复制代码

# 载入内置数据集
penguins = sns.load_dataset("penguins")

fig, ax = plt.subplots(figsize=(8, 4.5))

# 绘制企鹅体重分布直方图，并叠加密度曲线
sns.histplot(
    data=penguins,
    x="body_mass_g",
    bins=25,
    stat="count",
    kde=True,
    color="#2b5c8f",
    ax=ax
)

ax.set_xlabel("Body Mass (g)")
ax.set_ylabel("Count")
plt.show()

输出结果：

2. 核密度估计图

核密度估计是一种用于估计连续变量概率密度函数的非参数方法。相比于直方图受制于分箱边界的影响，KDE 能提供更平滑的概率密度分布曲线

python 复制代码

sns.kdeplot(data=None, x=None, y=None, bw_adjust=1, 
            fill=False, cut=3, **kwargs)

x：分析的连续型变量
bw_adjust：带宽调节因子：
    值大于 1：曲线更平滑，但可能过度平滑局部细节
    值小于 1：曲线更贴合数据点，敏锐捕捉多峰特征，但容易受噪声干扰
fill：布尔值，是否填充曲线下方与 X 轴之间的区域
cut：控制曲线向数据极值之外延伸的距离

代码示例

python 复制代码

penguins = sns.load_dataset("penguins")

fig, ax = plt.subplots(figsize=(8, 4.5))

# 绘制鳍肢长度的核密度估计图
sns.kdeplot(
    data=penguins, 
    x="flipper_length_mm", 
    bw_adjust=0.8, 
    fill=True, 
    color="#4c8be2", 
    alpha=0.4, 
    ax=ax
)

ax.set_xlabel("Flipper Length (mm)")
ax.set_ylabel("Density")
plt.show()

输出结果：

3. 计数图

对于离散的分类变量，分析师关注的通常是各个类别出现的频率或数量。countplot 本质上是针对分类变量的"自动频数统计柱状图"

**与 barplot 的区别：**barplot 纵轴呈现的是某连续变量的统计值；而 countplot 不需要指定纵轴变量，系统会自动统计横轴各分类的记录条数

python 复制代码

sns.countplot(data=None, x=None, y=None, order=None, palette=None, **kwargs)

x 或 y：分类变量列名
    传 x：生成垂直方向的计数柱状图
    传 y：生成水平方向的计数柱状图
order：指定类别的显示顺序
palette：色彩调色板名称（如 'Set2', 'Blues_r'）

代码示例：

python 复制代码

penguins = sns.load_dataset("penguins")

fig, ax = plt.subplots(figsize=(8, 4))

# 按频数降序排列并绘制企鹅物种数量分布
species_order = penguins["species"].value_counts().index

sns.countplot(
    data=penguins, 
    y="species", 
    order=species_order, 
    palette="Blues_r", 
    ax=ax
)

ax.set_xlabel("Count")
ax.set_ylabel("Species")
plt.show()

输出结果：

三、双变量数据可视化

在完成单变量分布分析后，数据分析的关键步骤便过渡到双变量分析------分析两个变量之间的相互关系、影响趋势或组间差异

根据分析变量的类型组合（连续 vs. 连续、连续 vs. 分类），Seaborn 提供了丰富且高度抽象的绘图 API

1. 散点图

散点图用于展示两个连续变量之间的二维空间分布与相关性

python 复制代码

sns.scatterplot(data=None, x=None, y=None, hue=None, 
                style=None, size=None, alpha=None, **kwargs)

x, y：指定作为横轴和纵轴的连续数值列名
hue：引入分类变量进行色彩映射
style：引入分类变量进行数据点形状映射（如圆点、方块、十字）
size：引入数值或分类变量映射数据点大小
alpha：透明度

代码示例

python 复制代码

penguins = sns.load_dataset("penguins")
fig, ax = plt.subplots(figsize=(8, 4.5))

# 分析喙长与喙深的相关性
sns.scatterplot(
    data=penguins, 
    x="bill_length_mm", 
    y="bill_depth_mm", 
    hue="species", 
    alpha=0.8, 
    ax=ax
)

ax.set_xlabel("Bill Length (mm)")
ax.set_ylabel("Bill Depth (mm)")
plt.show()

输出结果：

2. 统计柱状图

不同于只计算频数的 countplot，barplot 用于呈现一个分类变量 对应一个连续变量的统计聚合值，并自动计算置信区间

python 复制代码

sns.barplot(data=None, x=None, y=None, estimator='mean', 
            errorbar=('ci', 95), **kwargs)

x：离散分类变量
y：连续数值变量（若 x 为数值 y 为分类，则生成水平柱状图）
estimator：聚合函数，默认为 'mean'
errorbar：误差棒设置，如 ('ci', 95) 表示 95% 置信区间，'sd' 表示标准差

代码示例

python 复制代码

tips = sns.load_dataset("tips")
fig, ax = plt.subplots(figsize=(8, 4.5))

# 比较不同消费日期的平均消费及 95% 置信区间
sns.barplot(
    data=tips, 
    x="day", 
    y="total_bill", 
    estimator="mean", 
    errorbar=("ci", 95), 
    palette="Blues_d", 
    ax=ax
)

ax.set_xlabel("Day of Week")
ax.set_ylabel("Mean Total Bill ($)")
plt.show()

输出结果：

3. 箱线图

箱线图通过五数概括呈现分类变量下连续变量的分位数分布状况，是跨组对比集中趋势与识别离群点的标准工具

python 复制代码

sns.boxplot(data=None, x=None, y=None, hue=None, 
            orient=None, width=0.8, **kwargs)

x：分类变量列名
y：连续变量列名
hue：二次分类维度，可在同一 X 轴分类下绘制并排对比箱线图
orient：指定箱线图方向，'v' 为垂直，'h' 为水平
width：箱体宽度比例

代码示例

python 复制代码

tips = sns.load_dataset("tips")
fig, ax = plt.subplots(figsize=(8, 4.5))

# 跨用餐时段比较小费金额分布
sns.boxplot(
    data=tips, 
    x="time", 
    y="tip", 
    palette="Set2", 
    width=0.4, 
    ax=ax
)

ax.set_xlabel("Time of Day")
ax.set_ylabel("Tip Amount ($)")
plt.show()

输出结果：

4. 小提琴图

小提琴图结合了箱线图与核密度估计的优点。它不仅保留了分位数信息，还能直观展现数据在不同取值范围内的概率密度形状

python 复制代码

sns.violinplot(data=None, x=None, y=None, hue=None, 
               split=False, inner='box', **kwargs)

split：当指定 hue 且该分类只有两个类别时，设为 True 可以将左右两半小提琴合并呈现
       节省空间并提升对比直观度
inner：内部表示形式，可选 'box'（微型箱线图）、'quart'（四分位数线）、'point'（数据点）或 None

代码示例：

python 复制代码

tips = sns.load_dataset("tips")
fig, ax = plt.subplots(figsize=(8, 4.5))

# 结合性别对比不同用餐时段的消费金额分布
sns.violinplot(
    data=tips, 
    x="time", 
    y="total_bill", 
    hue="sex", 
    split=True, 
    inner="quartile", 
    palette="Pastel1", 
    ax=ax
)

ax.set_xlabel("Time")
ax.set_ylabel("Total Bill ($)")
plt.show()

输出结果：

5. 六边形蜂巢图

当数据量极其庞大（例如数十万个数据点）时，普通散点图会发生严重的数据点重叠，导致无法观察密度。六边形蜂巢图将二维空间划分为六边形网格，用颜色深浅表示落入网格内的点数频数

在 Seaborn 中，六边形图通常基于组合图接口 sns.jointplot 来调用

python 复制代码

sns.jointplot(data=None, x=None, y=None, kind='hex', cmap='Blues', **kwargs)

kind：设为 'hex' 启用六边形分箱渲染
cmap：用于映射频数密度的色彩渐变表
gridsize：指定六边形网格的密致程度，值越大网格越细碎

代码示例

python 复制代码

# 载入钻石数据集（数据量较庞大）
diamonds = sns.load_dataset("diamonds")

# 绘制克拉数与价格的六边形蜂巢图
g = sns.jointplot(
    data=diamonds, 
    x="carat", 
    y="price", 
    kind="hex", 
    cmap="Purples", 
    gridsize=30, 
    height=6
)

plt.show()

输出结果：

6. 二维核密度估计图

二维 KDE 图通过绘制等高线或填充颜色，呈现两个连续变量构成的二维联合概率密度分布，适合观察数据在连续空间中的聚类中心

python 复制代码

sns.kdeplot(data=None, x=None, y=None, fill=False, 
            cmap=None, levels=10, thresh=0.05, **kwargs)

x, y：二元连续变量
fill：布尔值，是否填充等高线层级间的颜色
levels：等高线层级数量
thresh：最低密度阈值，用于滤除边缘极稀疏的数据区域

代码示例

python 复制代码

geyser = sns.load_dataset("geyser")
fig, ax = plt.subplots(figsize=(8, 4.5))

# 绘制喷泉等待时间与喷发持续时间的二维核密度分布
sns.kdeplot(
    data=geyser, 
    x="waiting", 
    y="duration", 
    fill=True, 
    cmap="viridis", 
    levels=8, 
    ax=ax
)

ax.set_xlabel("Waiting Time (min)")
ax.set_ylabel("Eruption Duration (min)")
plt.show()

输出结果：

四、PairPlot

在探索性数据分析的早期阶段，如果数据集包含多个连续型数值变量，逐个绘制散点图去查看每两个变量之间的关系会极其耗时

sns.pairplot（两两关系图）能够自动提取数据集中的所有数值型特征，并在一个网格阵列中快速生成全变量两两组合的网格图

1. PairPlot 图表结构

PairPlot 的本质是一个 N * N 的子图矩阵（其中 N 为所选数值型变量的数量）：

对角线 ：由于对角线上的 X 轴与 Y 轴代表同一个变量，无法绘制双变量散点图，系统会自动将其替换为单变量的频数直方图或核密度估计图
非对角线：展示两个不同变量之间的二维空间分布，用于快速判断变量之间是否存在线性/非线性相关性、正向/负向趋势或聚类特征

2. 方法签名与代码示例

python 复制代码

sns.pairplot(data, *, hue=None, vars=None, 
             kind='scatter', diag_kind='auto', corner=False)

hue：指定分类变量，按类别进行色彩映射
vars：指定需要分析的连续变量列表，避免传入不必要的数值列
kind：非对角线图类型，常用 'scatter'（散点）或 'reg'（回归拟合线）
corner：设为 True 时仅绘制半三角，裁切镜像冗余信息并提升渲染速度

代码示例

python 复制代码

penguins = sns.load_dataset("penguins")

# 筛选核心特征、颜色分组并开启半三角展示
sns.pairplot(
    data=penguins,
    vars=["bill_length_mm", "bill_depth_mm", "flipper_length_mm"],
    hue="species",
    corner=True
)

plt.show()

输出结果：

五、多变量

标准的二维图表默认只能在横轴与纵轴上呈现两个变量。当需要在一张图表里展现 3 到 5 个变量之间的协同关系或分组模式时，强行绘制三维图表通常会导致视觉遮挡与透视偏差

Seaborn 提供了对视觉通道的封装，允许开发者通过 hue、style 和 size 参数，将更多维度的变量叠加到二维图形中

1. 核心视觉通道

参数	视觉通道类型	数据类型	使用场景
hue	色彩（色相 / 饱和度）	离散分类或连续数值	最强烈的视觉区分通道，用于核心分类或数值梯度
style	点形状 / 线样式	离散分类	辅助区分维度（如圆点、方块；实线、虚线）
size	标记大小 / 线条粗细	连续数值或有序分类	呈现气泡图效果

2. 代码示例

在 sns.scatterplot 或 sns.lineplot 中，可以同时组合这些通道。以下示例展示了如何在同一张二维画布上清晰呈现 5 个不同的数据维度：

python 复制代码

penguins = sns.load_dataset("penguins").dropna()
fig, ax = plt.subplots(figsize=(9, 5))

# 单图融合 5 个特征维度：
# X轴(喙长) + Y轴(喙深) + Color(物种) + Shape(性别) + Size(体重)
sns.scatterplot(
    data=penguins,
    x="bill_length_mm",      # 维度 1：连续数值
    y="bill_depth_mm",       # 维度 2：连续数值
    hue="species",           # 维度 3：分类变量（颜色映射）
    style="sex",             # 维度 4：二分类变量（点形状映射）
    size="body_mass_g",      # 维度 5：连续数值（点大小映射）
    sizes=(40, 200),         # 控制数据点最小与最大面积范围
    alpha=0.8,
    ax=ax
)

# 将图例放置在子图右侧外框，防止遮挡数据
ax.legend(bbox_to_anchor=(1.02, 1), loc='upper left', frameon=False)
plt.show()

输出结果：

尽管 Seaborn 支持叠加多个视觉通道，但在实际工程应用中需谨记认知负荷边界：

控制维度上限 ：单图承载的变量建议控制在 3--4 个 以内。同时叠加过多通道（如既有复杂的颜色又有过于密集的形状）容易造成视觉噪音
通道优先级 ：人类大脑对色彩（hue）的感知敏感度远高于形状（style）与大小（size）。因此，最重要的核心分类变量必须优先分配给 hue
图例排版：当同时启用多个视觉通道时，系统会自动生成较长的组合图例。建议配合 bbox_to_anchor 将图例移至画布右侧外侧，保持绘图区域清晰

六、Seaborn Style

在完成了各类图表的绘制后，最后一步是统一整套分析报告或文章中的视觉风格。Seaborn 提供了一套简洁的接口，允许开发者无需繁琐调整 Matplotlib 参数，即可一键切换整套图表的背景、网格线与坐标系线条风格

1. 预设背景主题

Seaborn 内置了 5 种精心设计的预设背景主题，适用于不同的展示场景：

主题名称	视觉特征	推荐适用场景
darkgrid（默认）	浅灰背景 + 白色网格线	屏幕演示、数据密集的探索性分析
whitegrid	纯白背景 + 浅灰网格线	企业报告、学术论文、打印排版
dark	浅灰背景 + 无网格线	简洁对比风格
white	纯白背景 + 无网格线	极简图形呈现
ticks	纯白背景 + 显式坐标轴刻度线	经典统计学图表风格

API 方法签名

python 复制代码

# 全局主题控制函数
sns.set_theme(style="whitegrid", palette="deep", font="sans-serif")

# 仅单独切换背景风格
sns.set_style("ticks")

在使用 white 或 ticks 主题时，图表的顶部和右侧外框线往往显得多余。Seaborn 提供了 sns.despine() 函数，可去除无意义的上方与右侧边框，使图形显得更轻盈干净

python 复制代码

sns.despine(top=True, right=True, left=False, bottom=False)

2. 代码示例

以下示例展示了如何切换风格（whitegrid / ticks）：

python 复制代码

# 1. 全局应用 whitegrid 主题风格
sns.set_theme(style="whitegrid")
penguins = sns.load_dataset("penguins")
fig, ax = plt.subplots(figsize=(7, 4))

# 2. 绘制基础箱线图
sns.boxplot(data=penguins, x="species", y="body_mass_g", palette="Set2", ax=ax)

# 3. 移除上、右两侧的无用坐标轴线
sns.despine(top=True, right=True)

ax.set_xlabel("Species")
ax.set_ylabel("Body Mass (g)")
plt.show()

输出结果：

总结

本章介绍了 Seaborn 的基本使用方法，学习了单变量、双变量和多变量数据的可视化技巧，并掌握了核密度估计图、计数图、箱线图、小提琴图、二维核密度估计图、成对关系图等常用统计图表的绘制方法。同时，我们还学习了 Seaborn 的主题样式设置，能够更加便捷地绘制出美观且具有统计意义的数据图表

下一篇将继续学习 Pandas 数据可视化，利用 Pandas 内置的绘图功能快速完成常见图表的绘制，并进一步体会 Pandas、Matplotlib 与 Seaborn 在数据可视化中的不同定位和应用场景