Python数据可视化 | 5、Seaborn 基本操作

Seaborn 究竟是什么?

基于 matplotlib and Pandas，用更简单的调用呈现更多美图~ 鱼与熊掌兼得~

If matplotlib “tries to make easy things easy and hard things possible”, seaborn tries to make a well-defined set of hard things easy too.

OFFICIAL: http://seaborn.pydata.org

Seaborn 风格管理

%matplotlib inline
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
np.random.seed(sum(map(ord, "aesthetics"))) # 给每一个任务单独分配随机种子

先来看看matplotlib画出来的图啥样子~

def sinplot(flip=1):
    x = np.linspace(0, 14, 100)
    for i in range(1, 7): # up to but not include
        plt.plot(x, np.sin(x + i * .5) * (7 - i) * flip)
        
sinplot()

再来看看seaborn画出来滴：

import seaborn as sns
sns.set()
sinplot()
# 色彩柔和！灰色背景！白色网格！

1. 风格参数设置
2. 尺度参数设置

风格参数设置

就下面5种主题风格：

• darkgrid/whitegrid（深色带格子／白色带格子）：更关注数值，所以带格子嘛～
• dark/white：更关注整体趋势
• ticks：强化刻度

sns.set_style("darkgrid")
sinplot()

sns.set_style("ticks")
sinplot()
sns.despine() # despine()函数是去掉了上右边框

sinplot()
sns.despine(offset=50) # offset参数可以调节分离坐标轴

尺度参数设置

sns.set_context("paper") 
# 比如用于期刊论文
sinplot()

sns.set_context("notebook")
# 比如用于本notebook文档
sinplot()

sns.set_context("talk")  # 比如需要嵌入到ppt中
sinplot()

sns.set_context("poster") # 比如用于展板
sinplot()

# 可以微调
sns.set_context("notebook", font_scale=1.5, rc={"lines.linewidth": 1.5})
sinplot()

颜色管理

1. 分类调色板
2. 序列调色板
3. 分叉调色板

分类调色板

• 适用于分类描述的数据，而且分类之间无序
• 两个颜色系统：
  • hls颜色系统（默认），色调+亮度+饱和度（hue + luminance + saturation）
  • husl颜色系统，hls中不同颜色存在视差，eg.黄色偏亮，蓝色偏暗，husl使得更加平衡

# 恢复默认设置
sns.set()

# 绘制当前调色板
current_palette = sns.color_palette()
sns.palplot(current_palette)

# 绘制hls系统下的10色调色板（黄色偏暗 蓝色偏亮）
sns.set_palette(sns.color_palette("hls", 10))
current_palette = sns.color_palette()
sns.palplot(current_palette)

# 绘制husl系统下的10色调色板（与hls相比，色彩不突兀）
sns.set_palette(sns.color_palette("husl", 10)) # http://www.hsluv.org
current_palette = sns.color_palette()
sns.palplot(current_palette)

sns.set() # 默认调色板
sinplot()

sns.set_palette(sns.color_palette("hls", 10))
sinplot()

sns.set_palette(sns.color_palette("husl", 10)) 
sinplot()

序列调色板

• 主要通过亮度和饱和度区分有序分类
• 关注单级数据

sns.palplot(sns.color_palette("Greens",10))

with sns.color_palette("Greens_d"):
    sinplot()

分叉调色板

• 关注两级数据

sns.palplot(sns.color_palette("autumn",11)) # 比如表示温度梯度
sns.palplot(sns.diverging_palette(10,220,sep=80,n=11))

• 关注多级数据

sns.palplot(sns.diverging_palette(255, 133, l=60, n=10, center="dark"))

with sns.diverging_palette(255, 133, l=60, n=5, center="dark"):
    sinplot()

小结

• 引入seaborn: import seaborn as sns
• 恢复默认设置: sns.set(), mpl.rcdefaults()
• 设置风格: sns.set_style(“xxxx”)
• 设置大小: sns.set_context(“xxxx”)
• 设置调色板: sns.set_palette(sns.color_palette(“hls”, 8))

源码获取：关注微信公众号“AI阅读知识图谱”，回复“Python数据可视化”获取已更新内容全部代码。