python数据分析 | seaborn绘图学习

1 seaborn介绍和安装

（1）介绍：Seaborn 是一个基于 matplotlib 且数据结构与 pandas 统一的统计图制作库。他提前已经定义好了一套自己的风格。然后也封装了一系列的方便的绘图函数，之前通过matplotlib需要很多代码才能完成的绘图，使用seaborn可能就是一行代码的事情。

（2）安装

1. 通过pip ：pip install seaborn
2. 通过anaconda： conda install seaborn

（3）内容包括

1. 关系型绘图
2. 分类型绘图
3. 分布型绘图
4. 线性关系绘图

（4）导入包
import seaborn as sns
import pandas as pd
from matplotlib import pyplot as plt

（5）导入示例数据

# 读取seaborn自带数据
tips = sns.load_dataset("tips")  # 方法1
# tips = pd.read_csv("./seaborn-data-master/tips.csv") # 方法2

2 关系型绘图

（1）介绍：seaborn.relplot()以用来表示多个变量之间的关联关系。默认情况下是绘制散点图，也可以绘制线性图，具体绘制什么图形是通过kind参数来决定的。

（2）语法： 通过示例介绍语法使用 sns.regplot( x, y, data=None, x_estimator=None, x_bins=None, x_ci='ci', scatter=True, fit_reg=True, ci=95, n_boot=1000, units=None, seed=None, order=1, logistic=False, lowess=False, robust=False, logx=False, x_partial=None, y_partial=None, truncate=True, dropna=True, x_jitter=None, y_jitter=None, label=None, color=None, marker='o', scatter_kws=None, line_kws=None, ax=None, ) ’

（3）使用

# （2-1）基本使用
"""
x --> 代表x轴数据，选择tips中的"total_bill"
y --> 代表y轴数据，选择tips中的"tip"
data --> 数据集
kind --> 选择绘图类型 默认为scatter，还有line等
"""
sns.relplot(x="total_bill",y="tip",data=tips,kind="scatter")

# （2-2）进阶使用1：分情况分析
"""
hue参数:用来控制第三个变量的颜色显示的。
"""
"""
周几外出吃饭人比较多？
通过点的颜色 来表示 日期
hue:分组后不同值显示不同颜色
"""
sns.relplot(x="total_bill",y="tip",data=tips,hue="day")
tips.groupby(by="day").count()

# （2-3）进阶使用2：分类分析
"""
col和row，可以将图根据某个属性的值的个数分割成多列或者多行。
# col:从列的方向添加子图表示分类
# row:从行的方向添加子图表示分类
"""

# 晚餐 女性， 晚餐 男性， 午餐 女性， 午餐 男性
sns.relplot(x="total_bill",y="tip",data=tips,col="time",row="sex")

# （2-4）进阶使用3：位置摆放，形状设值
"""
col_wrap：当图形展示多个时，控制指定多少列进行换行。注意：不能与row同时使用。
 size：指定的列进行分组，然后通过数据的大小来表示点的大小。
"""
sns.relplot(x="total_bill",y="tip",data=tips,col="day",col_wrap=2,size="size")
plt.show()

# （2-5）进阶使用4：绘制折线图
"""
col_wrap：当图形展示多个时，控制指定多少列进行换行。注意：不能与row同时使用。
 size：指定的列进行分组，然后通过数据的大小来表示点的大小。
"""
# 导入数据
fmri = sns.load_dataset("fmri")  # 方法1
# fmri = pd.read_csv("./seaborn-data-master/fmri.csv")# 方法2
fmri.info()
fmri.head()

# 阴影部分表示置信区间
# 体现 signal与timepoint的变化关系
sns.relplot(x="timepoint",y="signal",data=fmri,kind="line")

# 指定ci=None 取消置信区间的显示
sns.relplot(x="timepoint",y="signal",data=fmri,kind="line",ci=None)

# 不同地区不同颜色
sns.relplot(x="timepoint",y="signal",data=fmri,kind="line",hue="region")

# 分事件表示不同地区不同颜色
sns.relplot(x="timepoint",y="signal",data=fmri,kind="line",hue="region",col="event")

# （2-6）进阶使用6：图形选择
"""
具体绘制什么图形是通过kind参数来决定的。实际上以下两个函数就是relplot的特例：
• 散点类型：scatterplot -> relplot(kind="scatter")
• 线性类型：lineplot -> relplot(kind="line")

# 注意：scatterplot、lineplot与relplot区别：无kind参数，无col,row参数
# sns.lineplot(x="timepoint",y="signal",data=fmri)
"""
# sns.scatterplot(x="timepoint",y="signal",data=fmri,hue="region",col="event") # 报错

3 分类绘图

（1）介绍：分类图的绘制，采用的是sns.catplot来实现的。cat是category的简写。这个方法默认绘制的是分类散点图，如果想要绘制其他类型的图，同样也是通过kind参数来指定。

（2）分类：分类散点图、分类分布图、分类统计图

3.1 分类散点图

分类散点图比较适合数据量不是很多的情况，他是用catplot来实现，但是也有以下两个特别的方法。

• stripplot()：catplot(kind=“strip”) 默认的
• swarmplot()：catplot(kind=“swarm”)

# 不同日期 的 总金额 数量 
sns.catplot(x="day",y="total_bill",data=tips,kind="strip")

# 不同日期 的 总金额 数量  -- 性别分颜色展示
sns.catplot(x="day",y="total_bill",data=tips,hue="sex",kind="strip")
# 等同于
sns.stripplot(x="day",y="total_bill",data=tips,hue="sex")

"""
数据量比较大，不适用kind="swar"
"""
sns.catplot(x="day",y="total_bill",data=tips,hue="sex",kind="swarm")
# 等同于
sns.swarmplot(x="day",y="total_bill",data=tips,hue="sex")

3.2 分类分布图

分类分布图，主要是根据分类来看，然后在每个分类下数据的分布情况。也是通过catplot来实现，以下三个方法分别是不同的kind参数：

• 箱型图：boxplot() (with kind=“box”)
• 小提琴图：violinplot() (with kind=“violin”)

# 读取运动员数据
athletes = pd.read_csv("athlete_events.csv")
athletes.info()
athletes.head()

countries = {
    'CHN':'中国',
    'JPN':"日本",
    'KOR':'韩国',
    'USA':"美国",
    'CAN':"加拿大",
    'BRA':"巴西",
    'GBR':"英国",
    'FRA':"法国",
    'ITA':"意大利",
    'ETH':"埃塞俄比亚",
    'KEN':"肯尼亚",
    'NIG':"尼日利亚",
}

"""
1.选择在countries国家的数据
- 判断国家在countries.keys()列表中，就选择出来
"""
my_athletes = athletes[athletes["NOC"].isin(list(countries.keys()))]
my_athletes.info()

"""
箱型图
"""
sns.boxplot(x="NOC",y="Height",data=my_athletes)
plt.show()

"""
小提琴图
- 默认两边对称 kde曲线 核密度估计曲线 
采用小费支付数据
"""
# 日期 与 小费
sns.violinplot(x="day",y="total_bill",data=tips)

# 分性别，且分两边显示
sns.violinplot(x="day",y="total_bill",data=tips,hue="sex",inner="quartile",split=True)

3.3 分类统计图

分类统计图，则是根据分类，统计每个分类下的数据的个数或者比例。有以下几种方式：

• 条形图：barplot() (with kind=“bar”)
• 柱状图：countplot() (with kind=“count”)
• 点线图：pointplot() (with kind=“point”)

"""
条形图
seaborn中的条形图具有统计功能，可以统计出比例，平均数，也可以按照你想要的统计函数来统计。
"""
# 黑色线：置信区间，越长数据就越离散
sns.catplot(x="day",y="total_bill",data=tips,kind="bar")

# 系统自带的营救数据
titanic = pd.read_csv("./seaborn-data-master/titanic.csv")
titanic.head()

# 获救男女的情况
# sum指定的频数
sns.catplot(x="sex",y="survived",data=titanic,kind="bar",estimator=sum)

"""
柱状图：是专门用来统计某个单一变量出现数量的图形
kind为count时，只能有x或者y，如果同时指定x与y就会报错
因为柱状图时统计的个数
- x是柱状图
- y是横条形图
"""
sns.catplot(y="survived",data=titanic,kind="count")

"""
点线图:可以非常方便的看到变量之间的趋势变化
"""
# 舱位与营救男女的关系
sns.catplot(x="sex",y="survived",data=titanic,kind="point",hue="class")

3.4 分布绘图

分布绘图主要分为单变量分布以及二变量分布和pairplot

"""
单变量分布
单一变量主要就是通过直方图来绘制。
在seaborn中直方图的绘制采用的是distplot，其中dist是distribution的简写，不是histogram的简写
"""

"""
kde=False 不显示kde线
bins=30 指定组数
rug=True 越密集则数据越集中
hist=False 不展示直方图
"""
# titanic.info()   # 说明age列是有缺失值

# 取出非nan的数据
age_ti = titanic[~np.isnan(titanic["age"])]
# age_ti.info()

# 所有人的年龄分布情况
sns.distplot(age_ti["age"],kde=False,bins=30,rug=True)   # 在绘制直方图的时候，最好去除nan的值

"""
二变量分布
多变量分布图可以看出两个变量之间的分布关系。
一般都是采用多个图进行表示。多变量分布图采用的函数是jointplot。
通过设置kind='reg'可以设置回归绘图和核密度曲线
通过设置kind='hex'可以绘制六边形图
"""
sns.jointplot(x="total_bill",y="tip",data=tips)

# kind参数 指定为 reg 的时候，会展示出回归线以及kde曲线
sns.jointplot(x="total_bill",y="tip",data=tips,kind="reg")

"""
jointplot其它常用参数
1. x,y,data：绘制图的数据。
2. kind：scatter、reg、resid、kde、hex。
3. color：绘制元素的颜色。
4. height：图的大小，图会是一个正方形。
5. ratio：主图和副图的比例，只能为一个整形。
6. space：主图和副图的间距。
7. dropna：是否需要删除x或者y值中出现了NAN的值。
8. marginal_kws：副图的一些属性，比如设置bins、rug等
"""

# 设置kind='hex'可以绘制六边形图 用颜色表示集中情况  中国运动员身高和体重数据
china_ath = athletes[athletes["NOC"]=="CHN"]
sns.jointplot(x="Height",y="Weight",data=china_ath,kind="hex",gridsize=20,color="r",height=20,marginal_kws={"kde":True})

"""
pairplot:
默认情况下，对角线的图（x和y轴的列相同）是直方图，其他地方的图是散点图，
如果想要修改这两种图，可以通过diag_kind和kind来实现。其中这两个参数可取的值为：
1. diag_kind：auto, hist, kde。
2. kind：scatter, reg。
"""

# iris 
iris = pd.read_csv("./seaborn-data-master/iris.csv")
iris.head()

sns.pairplot(iris,vars=["sepal_length","sepal_width","petal_length","petal_width"],kind="scatter",diag_kind="hist")

4 线性回归绘图

线性回归图可以帮助我们看到数据的关系趋势。在seaborn中可以通过regplot和lmplot两个函数来实现。regplot的x和y可以为Numpy数组、Series等变量。而lmplot的x和y则必须为字符串，并且data的值不能为空：

1. regplot(x,y,data=None)
2. lmplot(x,y,data)

# sns.regplot(x="total_bill",y="tip",data=tips)  # 字符串指定列，指定数据来源
sns.regplot(x=tips["total_bill"],y=tips["tip"])  # 数据标签获取到的列

sns.lmplot(x="total_bill",y="tip",data=tips)   # 字符串，可以
# sns.lmplot(x=tips["total_bill"],y=tips["tip"])   # 不支持数据标签获取列的这种形式 报错 

5 综合

"""
读取数据 重置索引
将单价列取出 整数 或 浮点数 并转为可计算类型
将评分列进行降序
直观体现评分数据主要分布在哪个区间
直观体现单价与评分的分布
取出评分前100条数据 直观体现不同出版社的出书次数
"""
db_read = pd.read_excel("豆瓣读书.xlsx",index_col=0)
db_read.info()
db_read

# 重置索引
db_read.reset_index(drop=True,inplace=True)

"""
解决单位问题:
- 思路1：将单位替换为空字符串
"""
# db_read["单价"] = db_read["单价"].str.replace("元","")
# db_read["单价"] = db_read["单价"].str.replace("元","")
# db_read
# db_read["单价"].astype("float")

"""
- 思路2：匹配出浮点数

需求：去字符串中匹配部分符合条件的子字符串
实现：
(1)
- 使用正则(re)
- pandas中Series每行字符串对接的正则方法：Series.str.extract(pattern)
- 提取 浮点数或者整数 pattern：数值.数值   
    - \d 匹配数值
    - +  贪婪匹配(匹配多个符合条件的)
    - \. 匹配出小数点
    - () 分组
    - |  或
(2)得到两列，以第二列的值填充第一列缺失值 .fillna(axis=1,method="bfill")
"""
db_read["单价"] = db_read["单价"].str.extract("(\d+\.\d+)|(\d+)").fillna(axis=1,method="bfill")[0]
db_read

db_read["单价"] = db_read["单价"].astype("float")
db_read.info()

# 将评分列进行降序
desc_data = db_read.sort_values(by="评分",ascending=False)
desc_data

# 设置显示中文
sns.set(rc={"font.sans-serif":"SimHei"})
# 直观体现评分数据主要分布在哪个区间
sns.distplot(db_read["评分"])

# 直观体现单价与评分的分布
sns.jointplot(x="单价",y="评分",data=db_read)

# 取出评分前100条数据 直观体现不同出版社的出书次数
top_100 = desc_data.iloc[:100,:]
sns.catplot(x="出版社",data=top_100,kind="count",height=10)
plt.xticks(rotation=90)
plt.show()