Seaborn 可视化

最新推荐文章于 2020-11-20 22:37:02 发布

深城肥肠

最新推荐文章于 2020-11-20 22:37:02 发布

阅读量1.2k

点赞数 2

分类专栏： Python 机器学习教程文章标签： seaborn python 数据可视化

本文链接：https://blog.csdn.net/weixin_41863685/article/details/80395062

版权

Python 同时被 2 个专栏收录

20 篇文章 3 订阅

订阅专栏

机器学习教程

5 篇文章 1 订阅

订阅专栏

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")))

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)

png

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)

png

使用rug生成实例：

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

png

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)

png

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()

png

2.1.3模型参数拟合

x = np.random.gamma(6, size=200)
sns.distplot(x, kde=False, fit=stats.gamma)

png

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"])

两个相关的正态分布~

2.2.1 散点图

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

png

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")

png

2.2.3 核密度估计

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

png

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)

png

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)

png

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("$X$", "$Y$")

png

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()

sns.pairplot(iris)

png

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)

png

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")

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)

png

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)

png

方法1：加个小的抖动

sns.lmplot(x="size", y="tip", data=tips, x_jitter=.08)

png

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)

png

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})

png

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})

png

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})

png

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})

png

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)

png

sns.lmplot(x="total_bill", y="big_tip", data=tips, logistic=True, y_jitter=.03, ci=None)

png

3.2.3 残差曲线

sns.residplot(x="x", y="y", data=anscombe.query("dataset == 'I'"), scatter_kws={"s": 80})

png

拟合的好，就是白噪声的分布 $N(0,\sigma^2)$
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})

png

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)

png

sns.lmplot(x="total_bill", y="tip", hue="smoker", data=tips, markers=["o", "x"])

png

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)

png

# hue、col与row一起使用
sns.lmplot(x="total_bill", y="tip", hue="smoker", col="time", row="sex", data=tips)

png

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)

png

sns.lmplot(x="total_bill", y="tip", col="day", data=tips, aspect=0.5)

png

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")

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

png

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)

png

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)

png

法二：生成蜂群图，避免散点重叠

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

png

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)

png

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)

png

4.2.2 提琴图

箱图 + KDE(Kernel Distribution Estimation)

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

png

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

png

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

png

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

png

非对称提琴图

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

png

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)

png

4.3.2 灰度柱状图

sns.countplot(x="deck", data=titanic)

png

4.3.3 点图

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

png

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=["-", "--"])

png

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")

png

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");

png

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：

寒老师课件

深城肥肠

关注

2
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
Seaborn 可视化

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...
复制链接

扫一扫