Python 可视化视频课 - 5. Seaborn 下

这是 Python 数据可视化系列的第五节《Seaborn 下》。

Python 数据可视化

1. Matplotlib 上

2. Matplotlib 下

3. Seaborn 上

4. Seaborn 中
   

之前 Python 数据分析和基础系列的所有课程链接如下。

Python 数据分析

1. NumPy 上

2. NumPy 下

3. Pandas 上

4. Pandas 下

5. SciPy 上

6. SciPy 下

7. Pandas 时间序列

8. Pandas 高频数据采样

9. 默顿模型计量经济资本

10. LSMC 定价美式和百慕大期权

11. 负油价和负利率模型

12. Nelson-Siegel 构建债券收益率曲线

13. 外汇交易组合保证金制定系统

14. FR007 利率掉期定价和曲线拔靴

15. 量化投资 - 向量化回测
    

Python 基础

1. 编程概览

2. 元素型数据

3. 容器型数据

4. 流程控制：条件-循环-异常处理

5. 函数上：低阶函数

6. 函数下：高阶函数

7. 类和对象：封装-继承-多态-组合

8. 字符串专场：格式化和正则化

9. 解析表达式：简约也简单

10. 生成器和迭代器：简约不简单

11. 装饰器：高端不简单

Seaborn 中关注的内容是第 3 篇，也是完结篇，组合图。

1. Seaborn 101

• 场景设定

• 风格设定

• 色调设定

• 图级轴级

• Seaborn 数据集

2. 单图

• 关系图

• 分布图

• 分类图

• 回归图

• 矩阵图

3. 组合图

• 多图网格

• 配对网格

• 联合网格

为了使读者从图中快速提取复杂数据的信息，可将单图按照合理的方式组合起来。实现组合图通常有两种方法：

• 当子图是同类型，用 FacetGrid 建立网格对象，然后用 Seaborn 中的图级函数通过设置参数 row 和 col 来画图，如

  relplot(row, col)

  displot(row, col)

  catplot(row, col)

  lmplot(row, col)

• 当子图是异类型，用 plt.subplots() 建立子图，然后每个子图坐标系中用 Seaborn 中的轴级函数来画图，如

  scatterplot(ax=ax[0])

  histplot(ax=ax[1])

  stripplot(ax=ax[2])

  regplot(ax=ax[3])

在 Seaborn 中组合图分为三种：多面图、配对图和组合图。

多面图

FacetGrid 多面图可以从三个维度来构建：行、列和颜色，在图级函数中分别设定参数 row, col 和 hue。前两个参数代表平面的长和宽，而参数 hue 为第三个维度，代表深度，由于图是平面图，因此第三维用不同的颜色来体现。

展示几个例子：

配对图

另外一种组合图可使用配对网格 PairGrid。在 PairGrid 中，每行每列都被分配给一个不同的变量，最后生成的图片可以展示数据集中所有的成对关系。这种风格的绘图有时被称为“散点图矩阵”，因为散点是展示两组数据关系的最常见方式，但是 PairGrid 不仅限于散点图。多面网格 FacetGrid 和配对网格 PairGrid 的不同如下：

• 在 FacetGrid 中，每张子图展示了相同的变量关系，不同的只是数据子集。数据子集的划分是由指定的 col, row 和 hue 维度变量决定的，这些变量相互交叉后产生一系列最小粒度的数据子集，每个子集对应了一张子图，也就是说，不管是多少行、多少列还是多少颜色，它们都对应着这些维度变量的取值。

• 在 PairGrid 中，每张子图代表了不同的两个变量关系，当然“矩阵”上下三角位置的图会有镜像的关系，因为它们相当于互换了 x 轴和 y 轴。

展示几个例子：

联合图

多面网格 FacetGrid 画同类图，配对网格 PairGrid 画配对图，联合网格 JointGrid 画联合图。

展示几个例子：

想学就开始吧！

绝不会让你失望！

付费用户（付 1 赠 1）可以获得：

• 观看课程视频 (70 分钟)

• Python 代码 (Jupyter Notebook)

Jupyter Notebook

课程视频 (建议用电脑微信 APP 看)

百度盘下载地址：

链接：https://pan.baidu.com/s/1zJnvKRtop_SCiolX48sWfw

提取码：bgqv