Seaborn Tutorial
Introduction
在数据分析中，画图极为重要。在分析过程中以及最后的分析结果中都需要利用直观的图表去分析，展示数据特点，以便挖掘出有价值的信息。
因为我是用Python分析数据，那么matplotlib必不可少，然而自己太懒，matplotlib细节太多，一时没法完全掌握。Seaborn看起来是个不错的选择，它基于matplotlib，
但是做了更高层次的封装，学起来会简单很多，所以我把它当做绘图入门的工具。
我打算做一个Seaborn文档的笔记，然后再附一两篇实际应用的案例来完成我的Seaborn入门之旅。
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
plt.style.use({\'figure.figsize\':(12, 8)})
接下来画一些正弦函数来看一下Seaborn的基本参数：
def sinplot(flip=1):
x = np.linspace(0, 14, 100)
for i in range(1, 7):
plt.plot(x, np.sin(x + i * .5) * (7 - i) * flip)
sinplot()
看看matplotlib的样式：
print(plt.style.available)
[\'bmh\', \'classic\', \'dark_background\', \'fivethirtyeight\', \'ggplot\', \'grayscale\', \'seaborn-bright\', \'seaborn-colorblind\', \'seaborn-dark-palette\', \'seaborn-dark\', \'seaborn-darkgrid\', \'seaborn-deep\', \'seaborn-muted\', \'seaborn-notebook\', \'seaborn-paper\', \'seaborn-pastel\', \'seaborn-poster\', \'seaborn-talk\', \'seaborn-ticks\', \'seaborn-white\', \'seaborn-whitegrid\', \'seaborn\', \'_classic_test\']
可以看到，Seaborn的样式已经嵌入其中。我们将样式设置为Seaborn：
sns.set()
sinplot()
Seaborn将matplotlib的参数分为两个部分，一控制样式，一控制图中各种元素显示的比例。
Seaborn figure styles
plt.style.available
[\'bmh\',
\'classic\',
\'dark_background\',
\'fivethirtyeight\',
\'ggplot\',
\'grayscale\',
\'seaborn-bright\',
\'seaborn-colorblind\',
\'seaborn-dark-palette\',
\'seaborn-dark\',
\'seaborn-darkgrid\',
\'seaborn-deep\',
\'seaborn-muted\',
\'seaborn-notebook\',
\'seaborn-paper\',
\'seaborn-pastel\',
\'seaborn-poster\',
\'seaborn-talk\',
\'seaborn-ticks\',
\'seaborn-white\',
\'seaborn-whitegrid\',
\'seaborn\',
\'_classic_test\']
Matplotlib已经嵌入了 Seaborn样式，尝试一下不同的样式：
data = np.random.normal(size=(20, 6))
sns.set_style(\'whitegrid\')
sns.boxplot(data=data)
<matplotlib.axes._subplots.AxesSubplot at 0x1fbc03d6780>
sns.set_style(\'dark\')
sinplot()
sns.set_style(\'white\')
sinplot()
sns.set_style(\'ticks\')
sinplot()
Remove axes spines
有时候我们会去掉box的上轴和右轴：
sinplot()
sns.despine()
当然你也可以：
sns.set_style(\'white\')
sinplot()
sns.despine(left=True, bottom=True)
sns.despine()函数默认删除右轴和上轴。
f, ax = plt.subplots()
sns.violinplot(data=data)
<matplotlib.axes._subplots.AxesSubplot at 0x1fbc05bdc18>
f, ax = plt.subplots()
sns.violinplot(data=data)
sns.despine(trim=True)
Temporarily setting figure style
我们可以临时定义作图参数让子图拥有不同的样式：
with sns.axes_style(\'darkgrid\'):
plt.subplot(211)
sinplot()
plt.subplot(212)
sinplot(-1)
这样，我们就临时调用了\'darkgrid\'样式。
Overriding elements of the seaborn styles
我们可以看看Seaborn的默认样式参数：
sns.axes_style()
{\'axes.axisbelow\': True,
\'axes.edgecolor\': \'.15\',
\'axes.facecolor\': \'white\',
\'axes.grid\': False,
\'axes.labelcolor\': \'.15\',
\'axes.linewidth\': 1.25,
\'figure.facecolor\': \'white\',
\'font.family\': [\'sans-serif\'],
\'font.sans-serif\': [\'Arial\',
\'Liberation Sans\',
\'Bitstream Vera Sans\',
\'sans-serif\'],
\'grid.color\': \'.8\',
\'grid.linestyle\': \'-\',
\'image.cmap\': \'Greys\',
\'legend.frameon\': False,
\'legend.numpoints\': 1,
\'legend.scatterpoints\': 1,
\'lines.solid_capstyle\': \'round\',
\'text.color\': \'.15\',
\'xtick.color\': \'.15\',
\'xtick.direction\': \'out\',
\'xtick.major.size\': 0.0,
\'xtick.minor.size\': 0.0,
\'ytick.color\': \'.15\',
\'ytick.direction\': \'out\',
\'ytick.major.size\': 0.0,
\'ytick.minor.size\': 0.0}
它是一个字典，我们可以自己定义值：
sinplot()
sns.set_style({\'axes.facecolor\':\'.9\'})
sinplot()
其他参数也可以修改。
Scaling plot elements
接下来是修改图的元素比例，包括线条大小，坐标大小等等。
sns.set()
Seaborn预设了四种比例，根据大小依次为 paper, notebook, talk 和 poster。默认为 notebook。
sns.plotting_context()
{\'axes.labelsize\': 11.0,
\'axes.titlesize\': 12.0,
\'figure.figsize\': [8.0, 5.5],
\'font.size\': 12.0,
\'grid.linewidth\': 1.0,
\'legend.fontsize\': 10.0,
\'lines.linewidth\': 1.75,
\'lines.markeredgewidth\': 0.0,
\'lines.markersize\': 7.0,
\'patch.linewidth\': 0.3,
\'xtick.labelsize\': 10.0,
\'xtick.major.pad\': 7.0,
\'xtick.major.width\': 1.0,
\'xtick.minor.width\': 0.5,
\'ytick.labelsize\': 10.0,
\'ytick.major.pad\': 7.0,
\'ytick.major.width\': 1.0,
\'ytick.minor.width\': 0.5}
可以看到默认的元素大小。
sinplot()
sns.set_context(\'talk\')
sinplot()
sns.set_context("poster")
sinplot()
同样的，可以利用 sns.set_context()来设置sns.plotting_context()中的值。
zxzhu 2018/3/30