Python3-数据可视化（seaborn库）

原始图：

1.seaborn提供五种主题风格：seaborn.set_style(“主题名”)：

• darkgrid
  
• whitegrid
  
• dark
  
• white
  
• ticks(与white的区别是横轴刻度加了一个小线段)
  
  如不指定主题：
  seaborn.set_style()：默认为ticks；
  seaborn.set()：默认为darkgrid；

2.seaborn色板：

• sns.color_palette()，不指定参数会返回10种默认颜色

• 圆形画板：当所需颜色多于默认颜色数目时，系统会在一个圆形画板（将所有颜色排成圆形）均分后中取色（一般使用hls颜色空间，hls是rgb的简单转换）

color = sns.color_palette('hls', 12)
sns.palplot(color)

3.单变量分析：

#直方图
#泰坦尼克号数据，详情引用参考上一篇文章
Age = []
for i in range(0, len(age)):
    if 0 < age[i] <= 100:
        Age.append(age[i])
    else:
    	#剔除无效值
        continue
#bins=20为将整个区间分为20取值范围
sns.distplot(Age， bins = 20)

mean, cov=[0,1], [(1, .5), (.5, 1)]
x, y = np.random.multivariate_normal(mean, cov, 1000).T
#with语句用来规定语句块内的绘图任务保持同一个风格
with sns.axes_style("white"):
    sns.jointplot(x=x,y=y)
plt.show()

• sns.jointplot(x=x,y=y)
  
• 数据量大的时候推荐使用“hex”格式表达sns.jointplot(x=x, y=y, kind=“hex”)，通过六边形颜色的深度不同表示此区域内容密集度，与散点图相比更加直观，更加美观。
  

4.回归分析seaborn.regplot()：

#tips是seaborn的自带数据集
#数据内容为：消费总数，小费，性别，是否抽烟，人数，时间等信息
tips = sns.load_dataset("tips")
#三个参数依次为：横坐标名称，纵坐标名称，数据集
sns.regplot(x="total_bill", y="tip", data=tips)
plt.show()

• 当所选数据比如size为不连续值不适合建立回归模型时，可适当对数据进行“抖动”，函数X_jitter参数赋值为数据添加抖动性：
  sns.regplot(x="size", y="total_bill", data=tips, x_jitter=.20, color="r")
• sns.swarmplot(x=“size”, y=“total_bill”, hue=“sex”, data=tips)可以更好的处理这类不连续的数据
  

5.可以画出所有图形的seaborn.factorplot()

seaborn.factorplot(x, y, hue, data,row, col, col_wrap, estimator, ci=95, n_boots, units, hue_order, roe_order, col_order, kind=point, size=4, aspect=1, orient, color, palette, legend=True, lengend_out=True, sharex=True, sharey=True, margin_titles=False, facet_kws, **kwargs )

• x,y,hue:数据集变量，变量名
• date：数据集名
• row，col：更多分类变量进行平铺显示 变量名
• col_wrap：每行的最高平铺数，整数
• estimator：在每个分类中进行矢量到标量的映射 矢量
• ci=95：置信区间，浮点数或者None
• n_boots：极端置信区间时使用的引导迭代次数 整数
• units：采样单元的标识符，用于执行多级引导和重复测量设计， 数据变量或向量数据
• order，hue_order：对应排序列表 字符串列表
• roe_order, col_order：对应排序列表,字符串列表
• kind=point：可选属性，默认为point
• size=4：每个面的高度，默认为4英寸
• aspect=1：图表纵横比， 标量
• orient：图表方向，“v”或“h”
• color：颜色
• palette：调色板
• legend=True： hue 属性的信息面板
• lengend_out=True：信息面板是否扩展
• sharex=True, sharey=True：共享X或Y轴线
• margin_titles=False, facet_kws, **kwargs

6.展示子集seaborn.Facetgrid()

tips = sns.load_dataset("tips")
g = sns.FacetGrid(tips, col="time")
g.map(plt.hist, "tip")
plt.show()

7.热度图 seaborn.heatmap()

#用颜色深度不同表示数值不同
flight = sns.load_dataset("flights")
#提取出相应属性数据
data = flight.pivot("month", "year", "passengers")
#绘制热度图
sns.heatmap(data)
plt.show()