Seaborn 可视化
1.简介
Seaborn是一个在Python中制作有吸引力和信息丰富的统计图形的库。它建立在matplotlib之上,并与PyData堆栈紧密集成,包括支持来自scipy和statsmodels的numpy和pandas数据结构和统计例程。 Seaborn旨在将可视化作为探索和理解数据的核心部分。绘图函数对包含整个数据集的数据框和数组进行操作,并在内部执行必要的聚合和统计模型拟合以生成信息图。如果matplotlib“试图让事情变得简单容易和难以实现”,seaborn会试图使一套明确的方案让事情变得容易。 Seaborn可以认为是对matplotlib的补充,而不是它的替代品。在数据可视化方面能够很好的表现。
2. seaborn入门
2.1 单变量分布
%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats, integrate
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)
np.random.seed(sum(map(ord, "distributions")))
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
2.1.1 灰度图
最方便快捷的方式~
# kde表示生成核密度估计
x = np.random.normal(size=100)
sns.distplot(x, kde=True)
- 1
- 2
- 3
更精细的刻画,调节bins,对数据更具体的做分桶操作。
sns.distplot(x, kde=True, bins=20)
- 1
使用rug生成实例:
sns.distplot(x, kde=False, bins=20, rug=True)
- 1
生成实例的好处:指导你设置合适的bins。
2.1.2 核密度估计
通过观测估计概率密度函数的形状。
有什么用呢?待定系数法求概率密度函数~
核密度估计的步骤:
* 每一个观测附近用一个正态分布曲线近似
* 叠加所有观测的正太分布曲线
* 归一化
在seaborn中怎么画呢?
sns.kdeplot(x)
- 1
bandwidth的概念:用于近似的正态分布曲线的宽度。
sns.kdeplot(x)
sns.kdeplot(x, bw=.2, label="bw: 0.2")
sns.kdeplot(x, bw=2, label="bw: 2")
plt.legend()
- 1
- 2
- 3
- 4
2.1.3模型参数拟合
x = np.random.gamma(6, size=200)
sns.distplot(x, kde=False, fit=stats.gamma)
- 1
- 2
2.2 双变量分布
mean, cov = [0, 1], [(1, .5), (.5, 1)]
data = np.random.multivariate_normal(mean, cov, 200)
df = pd.DataFrame(data, columns=["x", "y"])
- 1
- 2
- 3
两个相关的正态分布~
2.2.1 散点图
sns.jointplot(x="x", y="y", data=df)
- 1
2.2.2 六角箱图
- 在数据量很大的时候,用散点图来做可视化的时候效果不是很好,所以引入六角箱图做可视化。
x, y = np.random.multivariate_normal(mean, cov, 1000).T
with sns.axes_style("ticks"):
sns.jointplot(x=x, y=y, kind="hex")
- 1
- 2
- 3
2.2.3 核密度估计
sns.jointplot(x="x", y="y", data=df, kind="kde")
- 1
f, ax = plt.subplots(figsize=(6, 6))
sns.kdeplot(df.x, df.y, ax=ax)
sns.rugplot(df.x, color="g", ax=ax)
sns.rugplot(df.y, vertical=True, ax=ax)
- 1
- 2
- 3
- 4
更炫酷的效果:
f, ax = plt.subplots(figsize=(6, 6))
cmap = sns.cubehelix_palette(as_cmap=True, dark=1, light=0)
sns.kdeplot(df.x, df.y, cmap=cmap, n_levels=60, shade=True)
- 1
- 2
- 3
先绘制图形图像,然后再往图中添加额外的效果。
g = sns.jointplot(x="x", y="y", data=df, kind="kde", color="m")
g.plot_joint(plt.scatter, c="w", s=30, linewidth=1, marker="+")
g.ax_joint.collections[0].set_alpha(0)
g.set_axis_labels("$X$", "$Y$")
- 1
- 2
- 3
- 4
2.3 数据集中的两两关系
2.3.1 散点图表示
iris = sns.load_dataset("iris")
iris.head()
- 1
- 2
sns.pairplot(iris)
- 1
2.3.2 灰度图表示
g = sns.PairGrid(iris)
g.map_diag(sns.kdeplot)
g.map_offdiag(sns.kdeplot, cmap="Blues_d", n_levels=20)
- 1
- 2
- 3
3. 变量间的关系
- 这个部分主要是lmplot函数的运用。
%matplotlib inline
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)
np.random.seed(sum(map(ord, "regression")))
tips = sns.load_dataset("tips")
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
3.1 绘制线性回归模型
3.1.1 连续的取值
最简单的方式:散点图 + 线性回归 + 95%置信区间
sns.lmplot(x="total_bill", y="tip", data=tips)
- 1
3.1.2 离散变量
- 对于变量离线取值,散点图绘制出来的效果并不好,很难看出各个数据的分布。为了看清数据的分布,一下有两种方式进行处理。
sns.lmplot(x="size", y="tip", data=tips)
- 1
方法1:加个小的抖动
sns.lmplot(x="size", y="tip", data=tips, x_jitter=.08)
- 1
方法2:离散取值上用均值和置信区间代替散点,求出均值和方差并在图上表示
sns.lmplot(x="size", y="tip", data=tips, x_estimator=np.mean)
- 1
3.2 拟合不同模型
有些时候线性拟合效果不错,但有时数据的分布并不适合用线性方式拟合。
anscombe = sns.load_dataset("anscombe")
sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'I'"), ci=None, scatter_kws={"s": 80})
- 1
- 2
如图,用线性拟合的方式效果不是很好
sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'II'"), ci=None, scatter_kws={"s": 80})
- 1
3.2.1 高阶拟合
- 改用高阶拟合的方式:order = 2
sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'II'"), order=2, ci=None, scatter_kws={"s": 80})
- 1
3.2.2 异常值处理:
sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'III'"), robust=True, ci=None, scatter_kws={"s": 80})
- 1
3.2.3 二值变量拟合
- 二值变量拟合:对于运用线性来拟合效果并不是很好,所以一下运用logistic的方式对二类进行分类。
tips["big_tip"] = (tips.tip / tips.total_bill) > .15
sns.lmplot(x="total_bill", y="big_tip", data=tips, y_jitter=.05)
- 1
- 2
sns.lmplot(x="total_bill", y="big_tip", data=tips, logistic=True, y_jitter=.03, ci=None)
- 1
3.2.3 残差曲线
sns.residplot(x="x", y="y", data=anscombe.query("dataset == 'I'"), scatter_kws={"s": 80})
- 1
拟合的好,就是白噪声的分布
拟合的差,就能看出一些模式
sns.residplot(x="x", y="y", data=anscombe.query("dataset == 'II'"), scatter_kws={"s": 80})
- 1
3.3 变量间的条件关系
# 指定hue参数
sns.lmplot(x="total_bill", y="tip", hue = "day", data=tips)
- 1
- 2
sns.lmplot(x="total_bill", y="tip", hue="smoker", data=tips, markers=["o", "x"])
- 1
尝试增加更多的分类条件
# hue与col配合
sns.lmplot(x="total_bill", y="tip", hue="smoker", col="time", data=tips)
- 1
- 2
# hue、col与row一起使用
sns.lmplot(x="total_bill", y="tip", hue="smoker", col="time", row="sex", data=tips)
- 1
- 2
3.4 控制图片的大小和形状
- 多个图在同一个区域显示,默认的方式显示的图片可能会很小,所以需要对图片的大小进行控制。
sns.lmplot(x="total_bill", y="tip", col="day", data=tips, col_wrap=2, size=5)
- 1
sns.lmplot(x="total_bill", y="tip", col="day", data=tips, aspect=0.5)
- 1
4. 分类数据的可视化分析
- 观测点的直接展示:swarmplot, stripplot
- 观测近似分布的展示:boxplot, violinplot
- 均值和置信区间的展示:barplot, pointplot
%matplotlib inline
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(style="whitegrid", color_codes=True)
np.random.seed(2017)
titanic = sns.load_dataset("titanic")
tips = sns.load_dataset("tips")
iris = sns.load_dataset("iris")
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
titanic
sns.barplot(x="sex", y="survived", hue="class", data=titanic)
- 1
- 2
4.1 分类散点图
当有一维数据是分类数据时,散点图成为了条带形状。
sns.stripplot(x="day", y="total_bill", data=tips)
- 1
散点图绘制的时候很多点集中在一起,为了更清楚的表示,需要进行如下两种方法的操作。
法一:抖动。
sns.stripplot(x="day", y="total_bill", data=tips, jitter=True)
- 1
法二:生成蜂群图,避免散点重叠
sns.swarmplot(x="day", y="total_bill", data=tips)
- 1
在每一个一级分类内部可能存在二级分类
sns.swarmplot(x="day", y="total_bill", hue="sex", data=tips)
- 1
4.2 分类分布图
4.2.1 箱图
上边缘、上四分位数、中位数、下四分位数、下边缘
sns.boxplot(x="day", y="total_bill", hue="time", data=tips)
- 1
4.2.2 提琴图
箱图 + KDE(Kernel Distribution Estimation)
sns.violinplot(x="total_bill", y="day", hue="time", data=tips)
- 1
sns.violinplot(x="day", y="total_bill", hue="time", data=tips)
- 1
sns.violinplot(x="total_bill", y="day", hue="time", data=tips, bw=.1, scale="count", scale_hue=False)
- 1
- 2
sns.violinplot(x="total_bill", y="day", hue="time", data=tips, bw=.1, scale="count", scale_hue=False)
- 1
非对称提琴图
sns.violinplot(x="day", y="total_bill", hue="sex", data=tips, split=True, inner="stick")
- 1
4.3 分类统计估计图
4.3.1 统计柱状图
sns.barplot(x="sex", y="survived", hue="class", data=titanic)
- 1
4.3.2 灰度柱状图
sns.countplot(x="deck", data=titanic)
- 1
4.3.3 点图
sns.pointplot(x="sex", y="survived", hue="class", data=titanic)
- 1
修改颜色、标记、线型
sns.pointplot(x="class", y="survived", hue="sex", data=titanic,
palette={"male": "g", "female": "m"},
markers=["^", "o"], linestyles=["-", "--"])
- 1
- 2
- 3
4.4 分类子图
- 通过调整factorplot的参数可以绘制出很多不同类型的图
sns.factorplot(x="day", y="total_bill", hue="smoker", col="time", data=tips, kind="swarm")
- 1
多分类标准的子图
g = sns.PairGrid(tips,
x_vars=["smoker", "time", "sex"],
y_vars=["total_bill", "tip"],
aspect=.75, size=3.5)
# 对网格中的每一个图做violinplot
g.map(sns.violinplot, palette="bright");
- 1
- 2
- 3
- 4
- 5
- 6
总结
通过seaborn对数据可视化可以看出数据的分布等情况。
更具体的代码这里。
参考文献:
原始地址:https://blog.csdn.net/weixin_41863685/article/details/80395062
Seaborn绘图
- 全部代码:https://github.com/lawlite19/Blog-Back-Up/blob/master/code/seaborn_study.py
- 个人博客地址:http://lawlite.me/2017/06/14/Seaborn%E7%BB%98%E5%9B%BE/
一、介绍与安装
1、介绍
- 官网:http://seaborn.pydata.org/index.html
- Github: https://github.com/mwaskom/seaborn
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
2、安装
- 直接
pip3 install seaborn
即可
二、分布图
1、distplot
- 导入包
#-*- coding: utf-8 -*-
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
#%matplotlib inline # 为了在jupyter notebook里作图,需要用到这个命令
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 加载
seaborn
中的数据集:tips = sns.load_dataset('tips')
- 分布图
kde
是高斯分布密度图,绘图在0-1之间hist
是否画直方图rug
在X轴上画一些分布线fit
可以制定某个分布进行拟合label
legend时的值axlabel
制定横轴的说明
sns.distplot(tips['total_bill'], bins=None, hist=True, kde=False, rug=True, 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)
sns.plt.show()
- 1
- 2
- 3
- 4
- 5
- 拟合分布
- 这里使用了gamma分布拟合
from scipy import stats
sns.distplot(tips.total_bill, fit=stats.gamma, kde=False)
sns.plt.show()
- 1
- 2
- 3
2、kdeplot
- 高斯概率密度图
data2
可以是二维的分布shade
是否填充kernel
核函数,还有很多核函数,比如cos, biw等cumulative
累积的作图,最后的值应该是接近1gridsize
多少个点估计
ax = sns.kdeplot(tips['total_bill'], data2=tips.tip, shade=False, vertical=False,
kernel="gau", bw="scott",
gridsize=100, cut=3, clip=None,
legend=True, cumulative=False,
shade_lowest=True, ax=None)
sns.plt.show()
- 1
- 2
- 3
- 4
- 5
- 6
二、pairplot
1、两两作图
iris
为例
data
: DataFrame格式的数据hue
: label类别对应的column namevars
: 指定feature的列名kind
: 作图的方式,可以是reg或scatterdiag_kind
: 对角线作图的方式,可以是hist或kde
iris = sns.load_dataset('iris')
g = sns.pairplot(iris, hue='species', hue_order=None, palette=None,
vars=list(iris.columns[0:-1]),
x_vars=None, y_vars=None,
kind="reg", diag_kind="hist",
markers=['o','s','D'], size=1.5, aspect=1,
dropna=True, plot_kws=None,
diag_kws=None, grid_kws=None)
sns.plt.show()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
三、stripplot和swarmplot
1、stripplot
- tips为例,查看每天的数据信息
x
: X轴数据y
: Y轴数据hue
: 区分不同种类数据的column namedata
: DataFrame类型数据jitter
: 将数据分开点,防止重叠
tips = sns.load_dataset('tips')
ax = sns.stripplot(x='day', y='total_bill', hue=None, data=tips, order=None,
hue_order=None, jitter=True,
split=False, orient=None,
color=None, palette=None, size=5,
edgecolor="gray", linewidth=0,
ax=None)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 查看关于性别消费的信息
ax = sns.stripplot(x='sex', y='total_bill', hue='day', data=tips, order=None,
hue_order=None, jitter=True,
split=False, orient=None,
color=None, palette=None, size=5,
edgecolor="gray", linewidth=0,
ax=None)
- 1
- 2
- 3
- 4
- 5
- 6
2、swarmplot
- 与stripplot类似,只是数据点不会重叠 (适合小数据量)
tips = sns.load_dataset('tips')
ax = sns.swarmplot(x='sex', y='total_bill', hue='day', data=tips)
sns.plt.show()
- 1
- 2
- 3
四、boxplot
1、boxplot示意图
- 函数
x, y
:指定X轴,Y轴的columns name值hue
: 指定要区分的类别
tips = sns.load_dataset('tips')
ax = sns.boxplot(x='day', y='total_bill', hue=None, data=tips, order=None,
hue_order=None, orient=None,
color=None, palette=None,
saturation=.75, width=.8,
fliersize=5, linewidth=None,
whis=1.5, notch=False, ax=None)
sns.plt.show()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 可以和上面的stripplot一起用
tips = sns.load_dataset('tips')
ax = sns.boxplot(x='day', y='total_bill', hue=None, data=tips, order=None,
hue_order=None, orient=None,
color=None, palette=None,
saturation=.75, width=.8,
fliersize=5, linewidth=None,
whis=1.5, notch=False, ax=None)
sns.stripplot(x='day', y='total_bill', hue=None, data=tips, order=None,
hue_order=None, jitter=True, split=False,
orient=None, color=None, palette=None,
size=5, edgecolor="gray", linewidth=0,
ax=None)
sns.plt.show()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
五、jointplot
1、jointplot
- 联合作图
kind
: 有scatter” | “reg” | “resid” | “kde” | “hex
tips = sns.load_dataset('tips')
from scipy import stats
g = sns.jointplot(x='total_bill', y='tip',
data=tips, kind="reg",
stat_func=stats.pearsonr,
color=None, size=6, ratio=5,
space=.2, dropna=True, xlim=None,
ylim=None, joint_kws=None,
marginal_kws=None, annot_kws=None)
sns.plt.show()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 可以在基础上再作图
- plot_joint就是在联合分布上作图
- plot_marginals就是在边缘分布上再作图
g = (sns.jointplot(x='total_bill', y='tip',data=tips).plot_joint(sns.kdeplot))
- 1
- 2
六、violinplot
1、小提琴图,和boxplot很像
- 对称的kde图
- 中间的白点是中位数,黑色粗线对应分位数
inner
: 指定图里面用什么划分,有"box", "quartile", "point", "stick", None
quartile
为四分位数划分stick
很像rug,就是可以看出密度情况
scale
: 缩放每个图对应的area, 取值有"area", "count", "width"
area
指定每个有相同的areacount
会按数量缩放(数量少的就比较窄扁)
tips = sns.load_dataset('tips')
ax = sns.violinplot(x='day', y='total_bill',
hue='smoker', data=tips, order=None,
hue_order=None, bw="scott",
cut=2, scale="area",
scale_hue=True, gridsize=100,
width=.8, inner="quartile",
split=False, orient=None,
linewidth=None, color=None,
palette='muted', saturation=.75,
ax=None)
sns.plt.show()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
七、pointplot, bar
1、pointplot
- 点图
estimator
:点的取值是,默认是np.mean
tips = sns.load_dataset('tips')
sns.pointplot(x='time', y='total_bill', hue='smoker', data=tips, order=None,
hue_order=None, estimator=np.mean, ci=95,
n_boot=1000, units=None, markers="o",
linestyles="-", dodge=False, join=True,
scale=1, orient=None, color=None,
palette=None, ax=None, errwidth=None,
capsize=None)
sns.plt.show()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
2、barplot
- 条形图
- y轴是
mean value
,和点图其实差不多
- y轴是
tips = sns.load_dataset('tips')
sns.barplot(x='day', y='total_bill', hue='sex', data=tips, order=None,
hue_order=None, estimator=np.mean, ci=95,
n_boot=1000, units=None, orient=None,
color=None, palette=None, saturation=.75,
errcolor=".26", errwidth=None, capsize=None,
ax=None)
sns.plt.show()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
3、countplot
tips = sns.load_dataset('tips')
sns.countplot(x='day', hue='sex', data=tips)
sns.plt.show()
- 1
- 2
- 3
八、factorplot
1、可以通过这个函数绘制以上几种图
- 指定
kind
即可,有point
,bar
,count
,box
,violin
,strip
row
和col
指定绘制的行数和列数,给出一个种类类型的列名即可
titanic = sns.load_dataset('titanic')
sns.factorplot(x='age', y='embark_town',
hue='sex', data=titanic,
row='class', col='sex',
col_wrap=None, estimator=np.mean, ci=95,
n_boot=1000, units=None, order=None,
hue_order=None, row_order=None,
col_order=None, kind="box", size=4,
aspect=1, orient=None, color=None,
palette=None, legend=True,
legend_out=True, sharex=True,
sharey=True, margin_titles=False,
facet_kws=None)
sns.plt.show()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
九、heatmap
1、heatmap
flight = sns.load_dataset('flights')
flights = flight.pivot('month','year','passengers')
sns.heatmap(flights, annot=True, fmt='d')
sns.plt.show()
- 1
- 2
- 3
- 4
十、时序绘图
1、tsplot
- condition: 和
hue
差不多,指定类别 - estimator: 默认为
np.mean
gammas = sns.load_dataset('gammas')
sns.tsplot(data=gammas, time='timepoint', unit='subject',
condition='ROI', value='BOLD signal',
err_style="ci_band", ci=68, interpolate=True,
color=None, estimator=np.mean, n_boot=5000,
err_palette=None, err_kws=None, legend=True,
ax=None)
sns.plt.show()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
原始地址:https://blog.csdn.net/u013082989/article/details/73278458