数据可视化之Seaborn（3）

本篇文章主要补充上篇Seaborn（2）的绘制图表中没讲的内容。
关联图

• 线图 lineplot
• 分面网格关联图 relplot

分布图

• 直方图 distplot
• 密度图 kdeplot

矩阵图

• 连接图 jointplot
• 热力图 heatmap

回归图

• 线性回归图 regplot
• 分面网格线性回归图 lmplot
• 分面网格绘图 FacetGrid

---

一、关联图

1、线图——lineplot

参数解读：

hue:数据中变量名称(比如：二维数据中的列名)
作用：对将要生成不同颜色的线进行分组，可以是分类或数据。

size:数据中变量名称(比如：二维数据中的列名)
作用：对将要生成不同宽度的线进行分组，可以是分类或数据。

style:数据中变量名称(比如：二维数据中的列名)
作用：对将生成具有不同破折号、或其他标记的变量进行分组。

palette:调试板名称，列表或字典类型
作用：设置hue指定的变量的不同级别颜色。

hue_order:列表(list)类型
作用：指定hue变量出现的指定顺序，否则他们是根据数据确定的。

hue_norm:tuple或Normalize对象

sizes:list dict或tuple类型
作用：设置线宽度，当其为数字时，它也可以是一个元组，指定要使用的最大和最小值，会自动在该范围内对其他值进行规范化。

units:对变量识别抽样单位进行分组，使用时，将为每个单元绘制一个单独的行。

estimator:pandas方法的名称或回调函数或者None
作用：用于在同一x水平上聚合y变量的多个观察值的方法，如果为None，则将绘制所有观察结果。
须注意的是，线图中传入的数据data必须全部是数值型数据。

我们再用tips数据集介绍lineplot的基本参数。
首先先导入数据集：

加入了 hue 参数同时绘制多个类别图。这时候 seaborn 会把这个 hue的标签当做子标题。

2、分面网格关联图 relplot

seaborn.relplot(x=None, y=None, hue=None, size=None, style=None, data=None, row=None, col=None, col_wrap=None, row_order=None, col_order=None, palette=None, hue_order=None, hue_norm=None, sizes=None, size_order=None, size_norm=None, markers=None, dashes=None, style_order=None, legend=‘brief’, kind=‘scatter’, height=5, aspect=1, facet_kws=None, **kwargs)

主要介绍这几个参数：x、y、data、col、col_wrap、row、kind

• kind: 取值为 line 或者 scatter, 默认值为scatter。
  sns.replot(kind=“scatter”)，相当于scatterplot() 用来绘制散点图
  sns.replot(kind=“line”)，相当于lineplot() 用来绘制曲线图

加载数据集：


注：阴影部分是由于纵坐标上多个值导致的, 取值为均值, 阴影部分是置信区间.

• ci (confidence interval)
  ci参数来控制阴影部分, ci=None表示不要阴影。
  
• col: 列上的子图
• row: 行上的子图
  

二、分布图

1.直方图——distplot

参数：
a：是单变量数据，可以是series、一维数组或列表。
bins：直方图中柱体的个数。
hist：是否绘制直方图。
kde：是否绘制密度图。
rug：是否绘制毛毯图。
默认hist=True ；kde=True 。

增加rug参数：

bins参数用于设置显示直方块的数量。

就等于密度图

2.密度图——kdeplot

（1）单变量密度图:

bw(bandwidth)参数用于指定kde拟合的精度，类似于直方图中的bins的效果。
bw越小，曲线越精细。
（2）双变量密度图：

三、矩阵图

1.连接图——jointplot

默认图
添加线性回归线

设置为密度图
设置为六角形图

2.热力图——heatmap

以矩阵表示数据的方式，数据值在图中显示为颜色。
sns.heatmap(data,vmin=None,vmax=None,cmap=None,annot=None)
data：二维数据集
vmin和vmax：图例中最大值和最小值的显示值
cmap：设置颜色面板
annot：设置热力图注解，True则在单元格中显示数据集增加颜色面板参数cmap

设置vmin和vmax参数
设置annot参数，标数值

四、回归图

1.线性回归图——regplot

通过大量数据找到模型拟合的线性回归线。

2.分面网格线性回归图——lmplot

3.分面网格绘图 FacetGrid

通过sns.FacetGrid类 绘图分面网格，然后通过sns.FacetGrid.map方法 将一个绘图函数作用于一个网格，并绘制子图。

• sns.FacetGrid构造函数：
  sns.FacetGrid(data,row=None,col=None,hue=True,col_wrap=None)
• FaceGrid.map方法：
  FacetGrid.map(func,*args,**kwargs）

绘制单变量分面网格