Python04可视化库Seaborn

1什么是Seaborn

Seaborn是基于matplotlib的图形可视化python包。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。

Seaborn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，而不是替代物。同时它能高度兼容numpy与pandas数据结构以及scipy与statsmodels等统计模式。

2.Style

import seaborn as sns
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
%matplotlib inline
#%matplotlib具体作用是当你调用matplotlib.pyplot的绘图函数plot()进行绘图的时候，
#或者生成一个figure画布的时候，可以直接在你的python console里面生成图像。
def sinplot(flip=1):
    x=np.linspace(0,14,100)#创建等差数列
    for i in range(1,7):
        plt.plot(x,np.sin(x+i*.5)*(7-i)*flip)
sinplot()

sns.set()#默认风格
#主要通过set()和set_style()两个函数对整体风格进行控制。set(style=" ")方式，也可以通过set_style( " " )
sinplot()

主要通过set()和set_style()两个函数对整体风格进行控制。set(style=" ")方式，也可以通过set_style( " " )
五种风格darkgrid whitegrid dark white ticks

sns.set_style("whitegrid")
data=np.random.normal(size=(20,6))+np.arange(6)
sns.boxplot(data=data)#箱形图

sinplot()
sns.despine()#去掉上边缘和右侧边缘的边线

f,ax=plt.subplots()
sns.violinplot(data)
sns.despine(offset=10)

violinplot与boxplot扮演类似的角色，它显示了定量数据在一个（或多个）分类变量的多个层次上的分布，这些分布可以进行比较。不像箱形图中所有绘图组件都对应于实际数据点，小提琴绘图以基础分布的核密度估计为特征。

临时设置绘图风格
虽然来回切换风格很容易，但是你也可以在一个with语句中使用axes_style()方法来临时的设置绘图参数。这也允许你用不同风格的轴来绘图：

with sns.axes_style("darkgrid"):
    plt.subplot(211)
    sinplot()
plt.subplot(212)
sinplot(-1)

有四个预置的环境，按大小从小到大排列分别为：paper, notebook, talk, poster。其中，notebook是默认的。
控制风格：axes_style(), set_style()
缩放绘图：plotting_context(), set_context()
每对方法中的第一个方法（axes_style(), plotting_context()）会返回一组字典参数，而第二个方法（set_style(), set_context()）会设置matplotlib的默认参数。

sns.set_context('paper')
sinplot()

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

3颜色

import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
sns.set(rc={"figure.figsize":(6,6)})

调色板
color_palette()能传入任何Matplotlib所支持的颜色，不写参数则为默认颜色
color_palette函数可以接受任何seaborn或者matplotlib颜色表中颜色名称（除了jet），也可以接受任何有效的matplotlib形式的颜色列表
（比如RGB元组，hex颜色代码，或者HTML颜色名称）。
这个函数的返回值总是一个由RGB元组组成的列表，无参数调用color_palette函数则会返回当前默认的色环的列表。
set_palette()设置所有图的颜色
有三种通用的color palette可以使用，它们分别是：qualitative，sequential，diverging。
分类色板（quanlitative）
Qualitative调色板，也可以说成是 类型 调色板，因为它对于分类数据的显示很有帮助。当你想要区别 不连续的且内在没有顺序关系的 数据时，这个方式是最好的。

当导入seaborn时，默认的色环就被改变成一组包含6种颜色的调色板，它使用了标准的matplolib色环，为了让绘图变得更好看一些。

current_patette=sns.color_palette()
sns.palplot(current_patette)

有6种不同的默认主题，它们分别是：deep，muted，pastel，birght，dark，colorblind。

themes=['deep','muted','pastel','bright','dark','colorblind']
for theme in themes:
    current_patette=sns.color_palette(theme)
    sns.palplot(current_patette)

*使用色圈系统
默认是有10种颜色，但是我们要想要其他种类的颜色分配

或者说当你有超过10种类型的数据要区分时，最简单的方法就是 在一个色圈空间内使用均匀分布的颜色。这也是当需要使用更多颜色时大多数seaborn函数的默认方式。
最常用的方法是使用hls的颜色空间，这是RGB值的一个简单转换

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

data=np.random.normal(size=(20,8))+np.arange(8)
sns.boxplot(data=data,palette=sns.color_palette("hls",8))

hls_palette 函数，它可以让你控制 hls 颜色的亮度和饱和度。
l-亮度 lightness
s-饱和 saturation

 sns.palplot(sns.hls_palette(8,l=.7,s=.9))

由于人类视觉系统工作的原因，根据RGB颜色产生的平均视觉强度的颜色，从视觉上看起来并不是相同的强度。如果你观察仔细，就会察觉到，黄色和绿色会更亮一些，而蓝色则相对暗一些。
seaborn给hls系统提供了一个接口，可以让操作者简单容易的选择均匀分布，且亮度和饱和度看上去明显一致的色调。

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

使用分类Color Brewer调色板

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

sns.palplot(sns.color_palette("Set2"),10)

xkcd包含了一套众包努力的针对随机RGB色的命名。产生了954个可以随时通过xdcd_rgb字典中调用的命名颜色。

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)

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

连续色板（sequential）
色彩随数据变换，比如数据越来越重要则颜色越来越深.这种调色板对于有从低（无意义）到高（有意义）范围过度的数据非常适合。

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

如果想要翻转渐变，可以在名称后加_r后缀

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

离散色板
这类色板适用于数据特征含有大的低值和大的高值。数据中通常有一个意义明确的中点。
sns.palplot(sns.color_palette(“BrBG”),7)

cubehelix_palette()调色板
“色调线性变换”
sns.palplot(sns.color_palette(“cubehelix”, 8))

light_palette() 和dark_palette()调用定制连续调色板
sns.palplot(sns.light_palette(“green”))

定制的离散色板
函数 diverging_palette() 为离散的数据创建一个定制的颜色映射。该函数使用husl颜色系统的离散色板。你需要传递两种色调，并可选择性的设定明度和饱和度的端点。函数将使用husl的端点值及由此产生的中间值进行均衡。

sns.palplot(sns.diverging_palette(145, 280, s=85, l=25, n=7))