Python数据分析可视化Seaborn实例讲解

Seaborn是一种基于matplotlib的图形可视化python libraty。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。 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，而不是替代物。同时它能高度兼容numpy与pandas数据结构以及scipy与statsmodels等统计模式。掌握seaborn能很大程度帮助我们更高效的观察数据与图表，并且更加深入了解它们。 实验数据可以从这里[下载](https://github.com/jakevdp/marathon-data)。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
%matplotlib inline

warnings.filterwarnings('ignore')

默认情况下，Pandas会把时间列加载为Python字符串格式（类型是object），写一个把字符串转换成时间类型的函数

def convert_time(s):
    h,m,s=map(int,s.split(':'))
    return pd.datetools.timedelta(hours=h,minutes=m,seconds=s)

data=pd.read_csv('marathon-data.csv',converters={
  'split':convert_time,'final':convert_time})
data.head()

	age	gender	split	final
0	33	M	01:05:38	02:08:51
1	32	M	01:06:26	02:09:28
2	31	M	01:06:49	02:10:42
3	38	M	01:06:16	02:13:45
4	31	M	01:06:32	02:13:59

data.dtypes

age                 int64
gender             object
split     timedelta64[ns]
final     timedelta64[ns]
dtype: object

添加一列，将时间换算成秒：

data['split_sec']=data['split'].map(lambda x:x.seconds)
data['final_sec']=data['final'].map(lambda x:x.seconds)

data.head()

	age	gender	split	final	split_sec	final_sec
0	33	M	01:05:38	02:08:51	3938	7731
1	32	M	01:06:26	02:09:28	3986	7768
2	31	M	01:06:49	02:10:42	4009	7842
3	38	M	01:06:16	02:13:45	3976	8025
4	31	M	01:06:32	02:13:59	3992	8039

用sns.jointplot可以同时看到两个变量的联合分布与单变量的独立分布，这个图形中使用白色背景。

with sns.axes_style('white'):
    g=sns.jointplot('split_sec','final_sec',data,kind='kde')
    g.ax_joint.plot(np.linspace(4000,16000),np.linspace(8000,32000),':k')

可以使用六边形块代替频次直方图

with sns.axes_style('white'):
    g=sns.jointplot('split_sec','final_sec',data,kind='hex',color='r')
    g.ax_joint.plot(np.linspace(4000,16000),np.linspace(8000,32000),':b')

上图表示的是马拉松前半程成绩与全程成绩的对比。图中的实点线表示一个人全程保持一个速度跑完马拉松,即上半程与下半程耗时相同。然而实际的成绩分布表明,绝大多数人都是越往后跑得越慢(也符合常理)。如果你参加过跑步比赛,那么就一定知道有些人在比赛的后半程速度更快—也就是在比赛中“后半程加速”。
创建一列split_frac来表示前后半程的差异,衡量比赛选手后半程加速或前半程加速的程度。

data["split_frac"]=1-2*data['split_sec']/data['final_sec']

data.head()

	age	gender	split	final	split_sec	final_sec	split_frac
0	33	M	01:05:38	02:08:51	3938	7731	-0.018756
1	32	M	01:06:26	02:09:28	3986	7768	-0.026262
2	31	M	01:06:49	02:10:42	4009	7842	-0.022443
3	38	M	01:06:16	02:13:45	3976	8025	0.009097
4	31	M	01:06:32	02:13:59	3992	8039	0.006842

如果前后半程差异系数( split_frac)小于0,就表示这个人是后半程加速型选手。画出差异系数的分布图。

sns.distplot(data['split_frac'],kde=False,color='g')
plt.axvline(0, color="r",linestyle="--")#画垂直x轴的线

上图表示前后半程差异系数分布图，0表示前后半程耗时相同。

sum(data['