python科学计算——数据可视化(2) Seaborn

写在前面

在前面的文章介绍了Matplotlib的可视化基本功能，seaborn是基于Matplotlib的基础上进行了封装，能够快速的绘制精美的图表，使用起来比matplotlib更为方便简洁，本文是参考seaborn的官方文档进行的总结。

seaborn的样式控制

先看一下利用Matplotlib的绘制图像：

def sinp(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)
sinp()
plt.show()

上面是用Matplotlib默认样式来进行绘图的，要变成seaborn的默认样式，简单的调用sns.set()就可以了：

sns.set()
sinp()

上图是用seaborn的默认样式的绘制结果，两图之间还是由比较大的差别，可以想象到，sns.set()是调用了matplotlib中的函数进行了设置。seaborn的控制参数包括两部分，figure样式的控制是用set_style()和axes_style()，而控制图表的plotting_context() 和set_context()。

Figure样式控制

seaborn预先定义了5中主题样式，以适合不同场景需要，分别是：darkgrid, whitegrid, dark, white, 和ticks，默认是darkgrid。

sns.set_style("whitegrid")
data = np.random.normal(size=(20, 6)) + np.arange(6) / 2
sns.boxplot(data=data)

sns.set_style("dark")
sinp()

sns.set_style("white")
sinp()

# 刻度样式
sns.set_style("ticks")
sinplot()

# 移除轴
sinplot()
sns.despine()

f, ax = plt.subplots()
sns.violinplot(data=data)
# trim是左下角不连接，offset
sns.despine(offset=10,trim=True)
plt.show()

图样式

seaborn预定义了4种图表的样式定义，分别是：paper、notebook、talk和poster，默认是notebook，分别看看效果：

sns.set_context("paper")
sinp()

sns.set_context("talk")
sinp()

sns.set_context("poster")
sinp()

除此之外，还可以为set_context()提供其他参数来控制样式。

sns.set_context("notebook", font_scale=1.5, rc={"lines.linewidth": 2.5})
sinp()

调色板

seaborn中的调色板使用函数color_palette()，该函数接受seaborn或者matplotlib(除了jet)的colormap对象，或者接受RGB、十六进制的颜色表示以及HTML的颜色名，如果不使用任何参数调用color_palette()则返回当前调色板，set_palette()函数则将传入的调色板选择为当前调色板。

定性调色板

定性调色板(Qualitative color palettes)适合于区分没有固定顺序的离散数据。

# 获取seaborn的默认调色板
current_palette = sns.color_palette()
sns.palplot(current_palette)

默认的seaborn调色板只有6中颜色，如果需要增加更多的颜色，最简单的方式是hls颜色空间：

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

同时可以使用参数来调整颜色的饱和度和亮度：

通过传入颜色来创建调色板：

flatui = ["#9b59b6", "#3498db", "#95a5a6", "#e74c3c", "#34495e", "#2ecc71"]
sns.palplot(sns.color_palette(flatui))

使用颜色名称来创建调色板：

colors = ["windows blue", "amber", "greyish", "faded green", "dusty purple"]
sns.palplot(sns.xkcd_palette(colors))

所有的颜色名参见这里，此外，seaborn提供了一个xkcd_rgb可以快速使用这些颜色名：

plt.plot([0, 1], [0, 1], sns.xkcd_rgb["pale red"], lw=3)
plt.plot([0, 1], [0, 2], sns.xkcd_rgb["medium green"], lw=3)
plt.plot([0, 1], [0, 3], sns.xkcd_rgb["denim blue"], lw=3)

渐变色

sns.palplot(sns.color_palette("Blues"))

如果要反序这些渐变色，则在颜色后面加_r：

sns.palplot(sns.color_palette("Blues_r"))

cubehelix调色板：

sns.palplot(sns.color_palette("cubehelix", 8))

sns.palplot(sns.color_palette("BrBG", 7))

更加复杂的调色板参看这里

绘图函数

分布图

distplot()是绘制单变量的数据分布图：

x = np.random.normal(size=100)
sns.distplot(x)

该函数同样可以实现直方图的绘制，其中的rug参数可以控制显示数据在轴上的位置：

sns.distplot(x, bins=20, kde=False, rug=True)

该函数常用的参数由如下几个：

1. bins：数据的划分区间；
2. kde：进行核密度估计；
3. rug：数据在轴上的分布。

KDE曲线

kdeplot()是对数据进行核密度估计分布的函数，其中参数shade是控制是否对kde曲线进行阴影填充，bw控制核密度的窗口大小，cut控制曲线切割。

sns.kdeplot(x,shade=True)

sns.kdeplot(x,shade=True,cut=0)

二维分布图

散点图

mean, cov = [0, 1], [(1, .5), (.5, 1)]
data = np.random.multivariate_normal(mean, cov, 200)
df = pd.DataFrame(data, columns=["x", "y"])
sns.jointplot(x="x", y="y", data=df)

六边图

x, y = np.random.multivariate_normal(mean, cov, 1000).T
with sns.axes_style("white"):
    sns.jointplot(x=x, y=y, kind="hex", color="k");

KDE

sns.jointplot(x="x", y="y", data=df, kind="kde")

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)

星云图

f, ax = plt.subplots(figsize=(6, 6))
cmap = sns.cubehelix_palette(as_cmap=True, dark=.2, light=1, reverse=True)
sns.kdeplot(df.x, df.y, cmap=cmap, n_levels=60, shade=True)

关系图

iris = sns.load_dataset("iris")
sns.pairplot(iris)

g = sns.PairGrid(iris)
g.map_diag(sns.kdeplot)
g.map_offdiag(sns.kdeplot, cmap="Blues_d", n_levels=6)

类别数据

散点图

有时候，我们需要对数据按照某一个属性进行绘制观察，而seaborn也提供了这些函数。

# 按tips数据中横轴为“day”的属性进行“total”展示
tips = sns.load_dataset("tips")
sns.stripplot(x="day", y="total_bill", data=tips)

这些数据有的地方重叠了，指定参数jitter能将数据散开：

sns.stripplot(x="day", y="total_bill", data=tips,jitter=True)

另一个方法是使用swarmplot函数进行绘制，该函数使用了算法将点进行散布，避免重叠：

sns.swarmplot(x="day", y="total_bill", data=tips)

而有时候，这些点也是有类别的，按照上述的分类绘制无法观测不同类别的点的分布，hue参数能解决这一点：

sns.swarmplot(x="day", y="total_bill", hue="sex", data=tips)

盒箱图

sns.boxplot(x="day", y="total_bill", hue="time", data=tips)

小提琴图

sns.violinplot(x="total_bill", y="day", hue="time", data=tips)

由于小提琴图是和kde估计相关的，所以同样提供了一些参数来控制kde估计：

sns.violinplot(x="total_bill", y="day", hue="time", data=tips,
               bw=.1, scale="count", scale_hue=False)

同样也可以对小提琴图进行类别绘制：

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

可以结合小提琴图和前面的图一起显示：

sns.violinplot(x="day", y="total_bill", data=tips, inner=None)
sns.swarmplot(x="day", y="total_bill", data=tips, color="w", alpha=.5)

柱状图

sns.barplot(x="sex", y="survived", hue="class", data=titanic)

点线图

sns.pointplot(x="sex", y="survived", hue="class", data=titanic)

也可以对其外观进行设置：

sns.pointplot(x="class", y="survived", hue="sex", data=titanic,
              palette={"male": "g", "female": "m"},
              markers=["^", "o"], linestyles=["-", "--"])

线性关系图

个人感觉在实际中用得很少，需要可参考这里。