• 全部代码：https://github.com/lawlite19/Blog-Back-Up/blob/master/code/seaborn_study.py

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

1
2
3
4
5
6
7

#-*- 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

    1 2 3 4 5

    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

    1 2 3

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

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

1
2
3
4
5
6

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()

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

    1 2 3 4 5 6 7 8 9

    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()

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

    1 2 3 4 5 6 7

    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)

• 查看关于性别消费的信息

1
2
3
4
5
6

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)

2、swarmplot

• 与stripplot类似，只是数据点不会重叠 (适合小数据量)

1
2
3

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

四、boxplot

1、boxplot示意图

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

    1 2 3 4 5 6 7 8

    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()

• 可以和上面的stripplot一起用

1
2
3
4
5
6
7
8
9
10
11
12
13

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()

五、jointplot

1、jointplot

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

    1 2 3 4 5 6 7 8 9 10

    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()

• 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

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

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）

      1 2 3 4 5 6 7 8 9 10 11 12

      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()

七、pointplot, bar

1、pointplot

• 点图
  • estimator：点的取值是，默认是np.mean

    1 2 3 4 5 6 7 8 9

    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()

2、barplot

• 条形图
  • y轴是mean value，和点图其实差不多

    1 2 3 4 5 6 7 8

    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()

3、countplot

1
2
3

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

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

  1 2 3 4 5 6 7 8 9 10 11 12 13 14

  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()

九、heatmap

1、heatmap

1
2
3
4

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

十、时序绘图

1、tsplot

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

  1 2 3 4 5 6 7 8

  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()

Reference

• Youtube: https://www.youtube.com/playlist?list=PLgJhDSE2ZLxYlhQx0UfVlnF1F7OWF-9rp
• Github: https://github.com/knathanieltucker/seaborn-weird-parts

赏

谢谢你请我吃糖果

支付宝

微信