Seaborn绘图

Posted 2022-12-03 莫失莫忘Lawlite

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Seaborn绘图相关的知识，希望对你有一定的参考价值。

Seaborn绘图

全部代码：https://github.com/lawlite19/Blog-Back-Up/blob/master/code/seaborn_study.py
个人博客地址：http://lawlite.me/2017/06/14/Seaborn%E7%BB%98%E5%9B%BE/

一、介绍与安装

1、介绍

官网：http://seaborn.pydata.org/index.html
Github: https://github.com/mwaskom/seaborn
Seaborn 其实是在matplotlib的基础上进行了更高级的 API 封装，从而使得作图更加容易
在大多数情况下使用seaborn就能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充

2、安装

直接 pip3 install seaborn即可

二、分布图

1、distplot

导入包

#-*- coding: utf-8 -*-
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
#%matplotlib inline  # 为了在jupyter notebook里作图，需要用到这个命令

加载 seaborn中的数据集：tips = sns.load_dataset('tips')
分布图
- kde是高斯分布密度图，绘图在0-1之间
- hist是否画直方图
- rug在X轴上画一些分布线
- fit可以制定某个分布进行拟合
- label legend时的值
- axlabel制定横轴的说明

sns.distplot(tips['total_bill'], bins=None, hist=True, kde=False, rug=True, 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)
sns.plt.show()

拟合分布
- 这里使用了gamma分布拟合

from scipy import stats
sns.distplot(tips.total_bill, fit=stats.gamma, kde=False)
sns.plt.show()

seaborn_dis_01

2、kdeplot

高斯概率密度图
- data2可以是二维的分布
- shade是否填充
- kernel核函数，还有很多核函数，比如cos, biw等
- cumulative累积的作图，最后的值应该是接近1
- gridsize多少个点估计

    ax = sns.kdeplot(tips['total_bill'], data2=tips.tip, shade=False, vertical=False, 
                    kernel="gau", bw="scott", 
                    gridsize=100, cut=3, clip=None, 
                    legend=True, cumulative=False, 
                    shade_lowest=True, ax=None)
    sns.plt.show()

seaborn_kde_01

二、pairplot

1、两两作图

iris 为例
- data: DataFrame格式的数据
- hue: label类别对应的column name
- vars: 指定feature的列名
- kind: 作图的方式，可以是reg或scatter
- diag_kind: 对角线作图的方式，可以是hist或kde

    iris = sns.load_dataset('iris')
    g = sns.pairplot(iris, hue='species', hue_order=None, palette=None, 
                     vars=list(iris.columns[0:-1]), 
                     x_vars=None, y_vars=None, 
                     kind="reg", diag_kind="hist", 
                     markers=['o','s','D'], size=1.5, aspect=1, 
                     dropna=True, plot_kws=None, 
                     diag_kws=None, grid_kws=None)
    sns.plt.show()

seaborn_pair_01

三、stripplot和swarmplot

1、stripplot

tips为例，查看每天的数据信息
- x: X轴数据
- y: Y轴数据
- hue: 区分不同种类数据的column name
- data: DataFrame类型数据
- jitter: 将数据分开点，防止重叠

    tips = sns.load_dataset('tips')
    ax = sns.stripplot(x='day', y='total_bill', hue=None, data=tips, order=None, 
                      hue_order=None, jitter=True, 
                      split=False, orient=None, 
                      color=None, palette=None, size=5, 
                      edgecolor="gray", linewidth=0, 
                      ax=None)

seaborn_stripplot_01

查看关于性别消费的信息

    ax = sns.stripplot(x='sex', y='total_bill', hue='day', data=tips, order=None, 
                      hue_order=None, jitter=True, 
                      split=False, orient=None, 
                      color=None, palette=None, size=5, 
                      edgecolor="gray", linewidth=0, 
                      ax=None)

seaborn_stripplot_02

2、swarmplot

与stripplot类似，只是数据点不会重叠 (适合小数据量)

    tips = sns.load_dataset('tips')
    ax = sns.swarmplot(x='sex', y='total_bill', hue='day', data=tips)
    sns.plt.show()

seaborn_swarmplot_01

四、boxplot

1、boxplot示意图

seaborn_boxplot_01

函数
- x, y：指定X轴，Y轴的columns name值
- hue: 指定要区分的类别

    tips = sns.load_dataset('tips')
    ax = sns.boxplot(x='day', y='total_bill', hue=None, data=tips, order=None, 
                    hue_order=None, orient=None, 
                    color=None, palette=None, 
                    saturation=.75, width=.8, 
                    fliersize=5, linewidth=None, 
                    whis=1.5, notch=False, ax=None)
    sns.plt.show()

seaborn_boxplot_02
- 可以和上面的stripplot一起用

    tips = sns.load_dataset('tips')
    ax = sns.boxplot(x='day', y='total_bill', hue=None, data=tips, order=None, 
                    hue_order=None, orient=None, 
                    color=None, palette=None, 
                    saturation=.75, width=.8, 
                    fliersize=5, linewidth=None, 
                    whis=1.5, notch=False, ax=None)
    sns.stripplot(x='day', y='total_bill', hue=None, data=tips, order=None, 
                 hue_order=None, jitter=True, split=False, 
                 orient=None, color=None, palette=None, 
                 size=5, edgecolor="gray", linewidth=0, 
                 ax=None)
    sns.plt.show()

seaborn_boxplot_03

五、jointplot

1、jointplot

联合作图
- kind: 有scatter” | “reg” | “resid” | “kde” | “hex

    tips = sns.load_dataset('tips')
    from scipy import stats
    g = sns.jointplot(x='total_bill', y='tip',
                      data=tips, kind="reg", 
                      stat_func=stats.pearsonr, 
                      color=None, size=6, ratio=5, 
                      space=.2, dropna=True, xlim=None, 
                      ylim=None, joint_kws=None, 
                      marginal_kws=None, annot_kws=None)
    sns.plt.show()

seaborn_jointplot_01

可以在基础上再作图
- plot_joint就是在联合分布上作图
- plot_marginals就是在边缘分布上再作图

    g = (sns.jointplot(x='total_bill', y='tip',data=tips).plot_joint(sns.kdeplot))

seaborn_jointplot_02

六、violinplot

1、小提琴图，和boxplot很像

对称的kde图
中间的白点是中位数，黑色粗线对应分位数

inner: 指定图里面用什么划分，有"box", "quartile", "point", "stick", None
- quartile为四分位数划分
- stick很像rug，就是可以看出密度情况
scale: 缩放每个图对应的area, 取值有 "area", "count", "width"
- area指定每个有相同的area
- count会按数量缩放（数量少的就比较窄扁）

    tips = sns.load_dataset('tips')
    ax = sns.violinplot(x='day', y='total_bill', 
                        hue='smoker', data=tips, order=None, 
                        hue_order=None, bw="scott", 
                        cut=2, scale="area", 
                        scale_hue=True, gridsize=100, 
                        width=.8, inner="quartile", 
                        split=False, orient=None, 
                        linewidth=None, color=None, 
                        palette='muted', saturation=.75, 
                        ax=None) 
    sns.plt.show()

seaborn_violinplot_01

七、pointplot, bar

1、pointplot

点图
- estimator：点的取值是，默认是np.mean

    tips = sns.load_dataset('tips')
    sns.pointplot(x='time', y='total_bill', hue='smoker', data=tips, order=None, 
                 hue_order=None, estimator=np.mean, ci=95, 
                 n_boot=1000, units=None, markers="o", 
                 linestyles="-", dodge=False, join=True, 
                 scale=1, orient=None, color=None, 
                 palette=None, ax=None, errwidth=None, 
                 capsize=None)
    sns.plt.show()

seaborn_pointplot_01

2、barplot

条形图
- y轴是mean value，和点图其实差不多

    tips = sns.load_dataset('tips')
    sns.barplot(x='day', y='total_bill', hue='sex', data=tips, order=None, 
               hue_order=None, estimator=np.mean, ci=95, 
               n_boot=1000, units=None, orient=None, 
               color=None, palette=None, saturation=.75, 
               errcolor=".26", errwidth=None, capsize=None, 
               ax=None)
    sns.plt.show()

seaborn_barplot_01

3、countplot

    tips = sns.load_dataset('tips')
    sns.countplot(x='day', hue='sex', data=tips)
    sns.plt.show()

seaborn_countplot_01

八、factorplot

1、可以通过这个函数绘制以上几种图

指定kind即可，有point, bar, count, box, violin, strip
row和col指定绘制的行数和列数，给出一个种类类型的列名即可

    titanic = sns.load_dataset('titanic')
    sns.factorplot(x='age', y='embark_town', 
                   hue='sex', data=titanic,
                   row='class', col='sex', 
                   col_wrap=None, estimator=np.mean, ci=95, 
                   n_boot=1000, units=None, order=None, 
                   hue_order=None, row_order=None, 
                   col_order=None, kind="box", size=4, 
                   aspect=1, orient=None, color=None, 
                   palette=None, legend=True, 
                   legend_out=True, sharex=True, 
                   sharey=True, margin_titles=False, 
                   facet_kws=None)
    sns.plt.show()

seaborn_factorplot_01

九、heatmap

1、heatmap

    flight = sns.load_dataset('flights')
    flights = flight.pivot('month','year','passengers')
    sns.heatmap(flights, annot=True, fmt='d')
    sns.plt.show()

seaborn_heatmap_01

十、时序绘图

1、tsplot

condition: 和hue差不多，指定类别
estimator: 默认为np.mean

    gammas = sns.load_dataset('gammas')
    sns.tsplot(data=gammas, time='timepoint', unit='subject', 
               condition='ROI', value='BOLD signal', 
               err_style="ci_band", ci=68, interpolate=True, 
               color=None, estimator=np.mean, n_boot=5000, 
               err_palette=None, err_kws=None, legend=True, 
               ax=None)
    sns.plt.show()

seaborn_tsplot_01

Reference

以上是关于Seaborn绘图的主要内容，如果未能解决你的问题，请参考以下文章

数据可视化Seaborn：初探

seaborn使用Catplot函数可视化水平小提琴图（Make Horizontal Violin Plot with Catplot in Seaborn）

seaborn使用violinplot函数可视化水平小提琴图（Make Horizontal Violin Plot with violinplot in Seaborn）

使用seaborn分割不同范围的小提琴图

seaborn 中的一半（不分裂！）小提琴情节

seaborn使用Catplot函数可视化分组小提琴图（ Grouped Violinplot with Seaborn Catplot）并保存可视化结果