python matplotlib封装包seaborn

最新推荐文章于 2024-02-04 12:01:35 发布

Rankiy

最新推荐文章于 2024-02-04 12:01:35 发布

阅读量629

点赞数

分类专栏： python

本文链接：https://blog.csdn.net/rankiy/article/details/102958178

版权

python 专栏收录该内容

25 篇文章 1 订阅

订阅专栏

seaborn

风格样式

seaborn基于matplotlib图库封装而成，并提供5种主题风格
seaborn的几类方法

风格	样式
darkgrid	灰背景，网格图，无边线
whitegrid	白背景，网格图，无边线
dark	灰背景图，无边线
white	白色标准图，有边线
ticks	white+轴外标线，有边线

代码	说明	代码	说明
set()	初始化seaborn设置	set_style()	调用风格
axes_style()	with 域调用风格	despine()	设置图型边框
set_context()	设置图型及文本	load_dataset	包内数据集
—	—	—	—
distplot()	单变量柱型图	jointplot()	散点柱型图
pairplot()	多维散点图	regplot()	离散变量，回归图
stripplot()	分类变量散点图	swarmplot()	多维散点图
boxplot()	箱图	violinplot()	小提琴图
pointplot()	差异性变化图	factorplot()	图型包，可调用mat图型
FacetGrid()	图型集合框架配合.map使用	heatmap()	热力图

1、seaborn 5种主题风格示例

生成数据集

import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt

#定义数据集
def sinplot(flip=1):
    x=np.linspace(0,14,100)                                                                                                                 
    for i in range(1,7):
        plt.plot(x,np.sin(x+i*.5)*(7-i)*flip)
#定义边框大小
def figure_new(): 
    plt.figure(figsize=(5,3))

绘制图型plt图型（一）

figure_new()
sinplot()

在这里插入图片描述

绘制（二）set_style调用"dark"风格打印
sns.set_style(style=None, rc=None)
style 风格，rc 线条设置

figure_new() 
sns.set_style('dark') #设置打印风格
plt.title('seaborn-dark')
sinplot()

在这里插入图片描述
绘制（三） with语句的绘制，域内使用风格，不改变整体的布局风格
with sns.axes_style(style=None, rc=None)

#sns.set() 初始化调色器
figure_new()
with sns.axes_style('whitegrid'): #使用with语句，定义域在域内使用
    plt.title('seaborn-whitegrid-with-whitegrid')
    sinplot()

在这里插入图片描述
绘制（四）for打印所有样式

style=['darkgrid', 'whitegrid', 'dark', 'white', 'ticks']
for i in range(5): #使用循环打印出5种风格
    figure_new()
    with sns.axes_style(style[i]):
        plt.title('for---'+style[i])
        sinplot()
#运行查看五种风格

despine 设置图型边框，轴线
despine(fig=None, ax=None, top=True, right=True, left=False, bottom=False, offset=None, trim=False)

plt.title('despine')
sinplot()
sns.despine(top=False,right=True,offset=20) #头部与右侧隐藏，offset图型偏移20
sns.set_style('white')

在这里插入图片描述
绘制差异性子图

with sns.axes_style('whitegrid'): #绘制差异性子图
    plt.subplot(211)
    sinplot()
plt.subplot(212)
sns.set_context('notebook',font_scale=1.5,rc={'lines.linewidth':2.5}) #设置大小风格，font_scale字体大小，rc线宽
sns.set_style('ticks')
sns.despine()
sinplot()

在这里插入图片描述

2、探索分析图型

distplot单变量分析
distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None, hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, color=None, vertical=False, norm_hist=False, axlabel=None, label=None, ax=None)
柱型图

from scipy import stats
x=np.random.normal(size=100) #正态分布
sns.distplot(x,kde=True) #kde分布

在这里插入图片描述
概率密度分布

x=np.random.gamma(6,size=200)  #生成偏态分布数据集
sns.distplot(x,bins=20,kde=False,fit=stats.gamma) #fit似合形式scipy.stats概率密度函数指标

在这里插入图片描述
jointplot二分类变量分析
jointplot(x, y, data=None, kind=‘scatter’, stat_func=None, color=None, height=6, ratio=5, space=0.2, dropna=True, xlim=None, ylim=None, joint_kws=None, marginal_kws=None, annot_kws=None, **kwargs)

散点图

mean,cov=[0,1],[(1,.5),(.5,1)] #均值，协方差
data=np.random.multivariate_normal(mean,cov,200) #指定均值与协方差生成随机数据
df=pd.DataFrame(data,columns=['x','y']) #生成DataFrame数据集
sns.jointplot(x='x',y='y',data=df)  #jointplot 散点图+单变量图

在这里插入图片描述
大数据量，散点图色差化

x,y=np.random.multivariate_normal(mean,cov,1000).T #生成大数据量，横向数据集
with sns.axes_style('white'):
    sns.jointplot(x=x,y=y,kind='hex',color='k') #kind=‘hex',数据按数量累计计算颜色深度，指定为黑色

在这里插入图片描述

3、多维度分析图

多维交叉散点图 pairplot(data, hue=None, hue_order=None, palette=None, vars=None, x_vars=None, y_vars=None, kind=‘scatter’, diag_kind=‘auto’, markers=None, height=2.5, aspect=1, dropna=True, plot_kws=None, diag_kws=None, grid_kws=None, size=None)

iris=sns.load_dataset('iris') #调用内置数据集
sns.pairplot(iris) #多维散点图

在这里插入图片描述

4、回归分析

回归图 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, order=1, logistic=False, lowess=False, robust=False, logx=False, x_partial=None, y_partial=None, truncate=False, dropna=True, x_jitter=None, y_jitter=None, label=None, color=None, marker=‘o’, scatter_kws=None, line_kws=None, ax=None)

tips=sns.load_dataset('tips') #调用小费数据集
plt.title('regplot')
sns.regplot(x='total_bill',y='tip',data=tips) #x,y轴定义，data数据集定义

在这里插入图片描述
多维交叉基点图

散点图交叉分析

tips=sns.load_dataset('tips')
sns.pairplot(tips[['total_bill','tip','sex']],hue='sex') #指定数据集，hue指定分类信息
plt.title('pairplot',fontdict={'fontsize':20},loc='left') #标题设定

在这里插入图片描述

分类数据集，回归分析

tips=sns.load_dataset('tips')
plt.title('regplot')
sns.regplot(x='size',y='tip',data=tips,x_jitter=.2) #离散型变量的回归分析

在这里插入图片描述

stripplot 分类数
stripplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, jitter=True, dodge=False, orient=None, color=None, palette=None, size=5, edgecolor=‘gray’, linewidth=0, ax=None, **kwargs)

plt.title('stripplot-jitter')
sns.stripplot(x='day',y='total_bill',data=tips,jitter=True) #文本型分类，统计数据集,jitter重叠数据自动进行偏移(默认值True)

在这里插入图片描述

分类数据的平行堆积
swarmplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, dodge=False, orient=None, color=None, palette=None, size=5, edgecolor=‘gray’, linewidth=0, ax=None, **kwargs)

plt.title('swarmplot')
sns.swarmplot(x='day',y='total_bill',data=tips)

在这里插入图片描述

箱图
boxplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=0.75, width=0.8, dodge=True, fliersize=5, linewidth=None, whis=1.5, notch=False, ax=None, **kwargs)

sns.boxplot(x='day',y='total_bill',hue='time',data=tips) #hue按颜色增加分类数据的箱型图

在这里插入图片描述

使用split二分类字段数据组合

sns.violinplot(x='day',y='total_bill',hue='sex',data=tips,split=True)

在这里插入图片描述

inner 中心点设置，color颜色

sns.violinplot(x='day',y='total_bill',data=tips,inner=None,color='r')

在这里插入图片描述

fig,axes=plt.subplots(2,2)
sns.violinplot(x="day",y="total_bill",data=tips,inner="box",ax=axes[0,0])  #钢琴图内显示箱型图（左上）
sns.violinplot(x="day",y="total_bill",data=tips,inner="quartile",ax=axes[0,1])  #钢琴图内显示四分位数线（右上）
sns.violinplot(x="day",y="total_bill",data=tips,inner="point",ax=axes[1,0])  #钢琴图内显示具体数据点（左下）
sns.violinplot(x="day",y="total_bill",data=tips,inner="stick",ax=axes[1,1])  #钢琴图内显示具体数据棒（右下）

在这里插入图片描述
调用调色板palette

planets = sns.load_dataset("planets")
ax = sns.violinplot(y="orbital_period", x="method",
                    data=planets[planets.orbital_period < 1000],
                    scale="width", palette="Set3")

在这里插入图片描述
图型包
调用matplotlib包的图型
factorplot(*args, **kwargs) 默认拆线图

差异图，数据的变化

sns.factorplot(x='day',y='total_bill',hue='smoker',data=tips) #不指定，拆线图

拆线图，kind定义图型类型

sns.factorplot(x='day',y='total_bill',hue='smoker',data=tips,kind='bar')

分类图，col定义图型分类

sns.factorplot(x='day',y='total_bill',hue='smoker',col='time',data=tips,kind='swarm')

在这里插入图片描述

箱型图，size定义大小，aspect图型长宽比

sns.factorplot(x='time',y='total_bill',hue='smoker',col='day',data=tips,kind='box',size=4,aspect=.5)

在这里插入图片描述

子数据集的展示
组合型
FacetGrid(data, row=None, col=None, hue=None, col_wrap=None, sharex=True, sharey=True, height=3, aspect=1, palette=None, row_order=None, col_order=None, hue_order=None, hue_kws=None, dropna=True, legend_out=True, despine=True, margin_titles=False, xlim=None, ylim=None, subplot_kws=None, gridspec_kws=None, size=None)

分类子宽体图
g=.FacetGrid(数据集，分类）
g.map(图型类别，字段）

柱型图

g=sns.FacetGrid(tips,col='time') #导入数据集，展示子集time(午餐，晚餐)
g.map(plt.hist,'tip') #调用图型,导入数据使用字段

在这里插入图片描述
散点图

g=sns.FacetGrid(tips,col='sex',hue='smoker')
g.map(plt.scatter,'total_bill','tip',alpha=.6) #alpha透明度
g.add_legend() #增加图例，默认不显示图例

在这里插入图片描述

交叉散点回归图

g=sns.FacetGrid(tips,row='smoker',col='time',margin_titles=True) #名称显示方式
g.map(sns.regplot,'size','total_bill',color='r',fit_reg=True,x_jitter=.7) #fig_reg回归线，x_jitter偏离大小

在这里插入图片描述
分类柱型差值图

g=sns.FacetGrid(tips,col='day',size=4,aspect=.5) #指定大小，长宽比
g.map(sns.barplot,'sex','total_bill')

在这里插入图片描述

#order_days=tips.day.values.categories #取出不重复列值，后续使用指定list进行排序
order_days=pd.Categorical(['Sun','Thur','Fri','Sat']) #指定列
g=sns.FacetGrid(tips,row='day',row_order=order_days,size=1.7,aspect=4.) #设置绘图顺序，指定图型大小，批定长宽比
g.map(sns.boxplot,'total_bill')

在这里插入图片描述

pal=dict(Lunch='seagreen',Dinner='gray')
g=sns.FacetGrid(tips,hue='time',palette=pal,size=5)
g.map(plt.scatter,'total_bill','tip',s=50,alpha=.7,linewidth=.5,edgecolor='white') #s点大小
g.add_legend()

在这里插入图片描述

g=sns.FacetGrid(tips,hue='sex',palette='Set1',size=5,hue_kws={'marker':["^",'v']})
g.map(plt.scatter,'total_bill','tip',s=100,linewidth=.5,edgecolor='white')
g.add_legend() #增加图例

在这里插入图片描述
多维度分类图型

with sns.axes_style('white'):
    g=sns.FacetGrid(tips,row='sex',col='smoker',margin_titles=True,size=2.5)
g.map(plt.scatter,'total_bill','tip',color='#334488',edgecolor='white',lw=.5)
g.set_axis_labels('Total bill(US Dollars)','Tip') #轴标题
g.set(xticks=[10,30,50],yticks=[2,6,10]) #子图轴标签
g.fig.subplots_adjust(wspace=.02,hspace=.02) #子图间隔设置
#g.fig.subplots_adjust(left=.125,right=.5,bottom=.1,top=.9,wspace=.02,hspace=.02) #偏移参数

在这里插入图片描述

多维分析图
PairGrid(data, hue=None, hue_order=None, palette=None, hue_kws=None, vars=None, x_vars=None, y_vars=None, diag_sharey=True, height=2.5, aspect=1, despine=True, dropna=True, size=None)

g = sns.PairGrid(iris, hue="species", palette="Set2",
                  hue_kws={"marker": ["o", "s", "D"]}) #palette色板,marker标记形状
g = g.map(plt.scatter, linewidths=1, edgecolor="w", s=40)
g = g.add_legend()

在这里插入图片描述

iris=sns.load_dataset('iris')

g = sns.PairGrid(iris)
g = g.map_upper(plt.scatter) #高位散点图
g = g.map_lower(sns.kdeplot, cmap="Blues_d") #低位核密度图
g = g.map_diag(sns.kdeplot, lw=3, legend=False)

在这里插入图片描述

iris=sns.load_dataset('iris')
g = sns.PairGrid(iris, hue="species")
g = g.map_diag(plt.hist, histtype="step", linewidth=3) #histtype设置柱型样式，linewidth线宽
g = g.map_offdiag(plt.scatter)
g = g.add_legend()

在这里插入图片描述
热力图

np.random.seed(0)
df=np.random.rand(3,3) #生成矩阵数据
sns.heatmap(df)

在这里插入图片描述
设置最大最小值，设置中心点

np.random.seed(0) #设置时钟起始值
df=np.arange(25).reshape(5,5) #生成矩阵
sns.heatmap(df,vmin=5,vmax=20,center=15) #vmin,vmax设置色板的最大最小值，center设置中心值，上下按颜色区分

在这里插入图片描述
热力图默认参数

figure_new()
flights=sns.load_dataset('flights') #航班数据
#flights.head() 
flights=flights.pivot('month','year','passengers')
ax=sns.heatmap(flights,cbar=False) #隐藏色度条

在这里插入图片描述

热力图，色板放到x轴

flights = sns.load_dataset("flights") #调用航班数据
flights = flights.pivot("month", "year", "passengers") #交叉表
grid_kws = {"height_ratios": (.9, .05), "hspace": 0.4} #定义图型大小，height_rations 高度0.9，和高度，0.05，hspace间隔设置
f, (ax, cbar_ax) = plt.subplots(2, gridspec_kw=grid_kws) #绘制图型框架，定义ax,cbar_ax框大小
ax = sns.heatmap(flights, ax=ax,
                 cbar_ax=cbar_ax,
                 cbar_kws={"orientation": "horizontal"}) #图型加载到框架内

在这里插入图片描述

corr=np.corrcoef(np.random.randn(10,200))
mask=np.zeros_like(corr)
mask[np.triu_indices_from(mask)]=True  #对角线为一半为1
with sns.axes_style('white'):
    ax=sns.heatmap(corr,mask=mask,vmax=.3,square=True)