Seaborn

目录

seaborn的下载

1. Seaborn 的基本功能

2. Seaborn 的一些常用功能

Seaborn在单变量、双变量和多变量数据可视化中常用的三个方法：

单变量数据可视化

双变量数据可视化

多变量数据可视化

Seaborn 直方图、核密度估计图、小提琴图

一、Seaborn 直方图

二、核密度估计图（KDE）

三、小提琴图（Violin Plot）

---

seaborn的下载

Seaborn是一个基于Matplotlib的Python数据可视化库，它提供了多种直观且美观的数据可视化方法。

首先在终端中下载输入pip install seaborn

问题：seaborn中的示例数据集无法使用、下载压缩包后电脑没有seaborn-data文件夹，在用户下创建后仍无法使用。

1. Seaborn 的基本功能

• 数据可视化：Seaborn 提供了多种数据可视化方式，包括散点图、线图、柱状图、箱线图、热力图等，有助于直观地理解数据分布和特征之间的关系。
• 统计图形：除了基本的数据可视化外，Seaborn 还提供了多种统计图形，如直方图、核密度估计图、小提琴图等，这些图形可以帮助用户更好地理解数据的统计特性。
• 数据集：Seaborn 自带了一些示例数据集，如 tips、flights、iris 等，这些数据集可以用于学习和测试数据可视化技巧。

2. Seaborn 的一些常用功能

• pairplot：用于绘制成对的双变量分布图，非常适合用于探索多个特征之间的关系。
• kdeplot：用于绘制核密度估计图，可以展示数据的分布形态。
• boxplot：用于绘制箱线图，可以展示数据的四分位数、中位数以及异常值等信息。
• heatmap：用于绘制热力图，可以展示矩阵或表格数据中的值的大小和分布情况。

Seaborn在单变量、双变量和多变量数据可视化中常用的三个方法：

单变量数据可视化

直方图（Histogram）

• 用途：直方图通常用于可视化单个变量的分布，如查看数据的中心趋势、分散程度等。
• 示例代码：

  	import seaborn as sns
  	import matplotlib.pyplot as plt
  	# data是包含单变量数据的DataFrame或Series
  	sns.histplot(data=data['variable_name'],kde = True) # kde=True 参数表示同时绘制核密度估计曲线。
  	plt.show()

• 特点：直方图通过将数据范围划分为多个区间（称为“箱子”或“bins”），并计算每个区间内的数据点数量来展示数据的分布情况。

双变量数据可视化

散点图（Scatter Plot）

• 用途：散点图用于展示两个变量之间的关系，通过点的位置（x轴和y轴坐标）来表示两个变量的值，从而观察它们之间是否存在某种趋势或模式。
• 示例代码：

  	sns.scatterplot(x='x_variable', y='y_variable', data=data)
  	plt.show()

• 特点：散点图直观易懂，适用于探索性数据分析，可以快速发现变量之间的相关性或潜在的模式。

多变量数据可视化

热力图（Heatmap）

• 用途：热力图是一种数据的二维可视化表示，它使用颜色来显示变量的值。在多变量数据可视化中，热力图常用于显示数据集中多个变量之间的相关性，如相关系数矩阵的可视化。
• 示例代码：

  	# data是包含多个数值变量的DataFrame
  	corr_matrix = data.corr()
  	sns.heatmap(corr_matrix, annot=True, cmap='coolwarm') # annot=True 参数表示在每个单元格中显示数值，cmap 参数用于指定颜色映射
  	plt.show()

• 特点：热力图通过颜色的深浅来表示数值的大小，可以清晰地展示多个变量之间的复杂关系，是进行数据探索和相关性分析的有力工具。

Seaborn 直方图、核密度估计图、小提琴图

一、Seaborn 直方图

1. 基本概念

直方图（Histogram）是一种用于展示数据分布的图表，通过条形的高度来表示数据落在各个区间内的频率或数量。在Seaborn中，直方图主要用于观察数据的分布情况，如数据的集中趋势、分散程度等。

2. 绘制方法

在Seaborn中，绘制直方图可以使用histplot函数或displot函数（在较新版本的Seaborn中推荐使用histplot）。

• 使用histplot函数：

  	import seaborn as sns
  	import matplotlib.pyplot as plt
  	# df是已经加载好的DataFrame
  	sns.histplot(data=df, x='某列名')
  	plt.show()

  其中，data参数指定数据源，x参数指定要绘制直方图的列。

• 调整直方图的参数：

  • bins：控制直方图的分箱数。
  • kde：是否添加核密度估计曲线。
  • stat：控制直方图的统计量，如count（观测数，默认）、frequency（频数）、density（密度）、probability（概率）。

二、核密度估计图（KDE）

1. 基本概念

核密度估计（Kernel Density Estimation, KDE）是一种用于估计随机变量概率密度函数的非参数方法。它通过对数据点进行平滑处理，从而得到整个数据集的密度分布曲线。

2. 绘制方法

在Seaborn中，可以直接使用kdeplot函数绘制核密度估计图，或者使用histplot函数时设置kde=True来同时展示直方图和核密度估计曲线。

案例：

	# 导入必要的库
	import seaborn as sns
	import numpy as np
	import matplotlib.pyplot as plt
	# 准备数据
	np.random.seed(123)
	data = np.hstack((np.random.normal(loc=0, scale=1, size=100),
	np.random.normal(loc=3, scale=1.5, size=100)))
	# 绘制核密度图
	sns.set(style="whitegrid")
	sns.kdeplot(data, shade=True, color="g", bw_adjust=0.5)
	plt.title('核密度图示例')
	plt.xlabel('值')
	plt.show()

3. 原理

KDE的基本思想是将每个数据点视为一个核函数（如高斯核）的中心，然后计算所有核函数的加权和，得到整个数据集的密度分布曲线。核函数的带宽（bw）是一个重要的参数，它决定了核函数的平滑程度，进而影响密度分布曲线的形状。

三、小提琴图（Violin Plot）

1. 基本概念

小提琴图（Violin Plot）是一种结合了箱线图（Box Plot）和密度图（Density Plot）特点的图表。它使用核密度估计来展示数据的分布形态，同时保留了箱线图表示数据四分位数和异常值的功能。

2. 绘制方法

在Seaborn中，可以使用violinplot函数绘制小提琴图。

案例：

	# 导入必要的库
	import seaborn as sns
	import matplotlib.pyplot as plt
	import numpy as np
	import pandas as pd
	# 设置随机种子以便结果可重复
	np.random.seed(123)
	# 准备数据
	group = ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'C', 'C', 'C', 'C']
	*10, # 列表扩展，但直接这样写是语法错误，用实际的数值代替
	values = np.concatenate([np.random.normal(loc=0, scale=1, size=100),
	np.random.normal(loc=1, scale=1.5, size=100),
	np.random.normal(loc=2, scale=0.75, size=100)])
	# 将数据和组别合并到一个DataFrame中
	df = pd.DataFrame({'Group': group * 3, # 假设每个组都有相同数量的观测值
	'Value': values})
	# 直接使用df中的'Group'列
	# 绘制小提琴图
	plt.figure(figsize=(10, 6)) # 设置图形大小
	sns.violinplot(x='Group', y='Value', data=df, palette="Set2")
	plt.title('小提琴图示例')
	plt.xlabel('组别')
	plt.ylabel('值')
	plt.show()

3. 原理

小提琴图的绘制原理与KDE类似，都是基于核密度估计。不同的是，小提琴图将KDE曲线绘制成类似小提琴的形状，以更直观地展示数据的分布形态。同时，小提琴图内部还会绘制箱线图的元素（如中位数、四分位数等），以提供额外的统计信息。