Python 数据科学 Seaborn

用 Seaborn 绘制统计型数据可视图

Seaborn 是基于 matplotlib 开发的高阶Python 数据可视图库，用于绘制优雅、美观的统计图形。

使用下列别名导入该库（一般取别名为sns）：

import matplotlib.pyplot as plt
import seaborn as sns

使用 Seaborn 创建图形的基本步骤：
1.准备数据
2.设定画布外观
3.使用 Seaborn 绘图
4.自定义图形

import matplotlib.pyplot as plt
import seaborn as sns

tips = sns.load_dataset("tips") # 第一步
sns.set_style("whitegrid") # 第二步
g = sns.lmplot(x="tip",  # 第三步
                y="total_bill", 
                data=tips, 
                aspect=2)
g = (g.set_axis_labels("Tip","Total bill(USD)").set(xlim=(0,10),ylim=(0,100))) # 第4步
plt.title("title")
plt.show(g) 

报错：urllib.error.URLError: <urlopen error [Errno 11004] getaddrinfo failed>
原因：seaborn-data文件里面是空的

上方代码报错解决办法：
1.去https://github.com/mwaskom/seaborn-data下载seaborn-data文件
2.解压后打开文件并复制
3.在电脑中搜索seaborn-data原文件（发现文件夹是空的）
4.将第二步复制的文件粘贴到步骤3的原文件中

1 数据

import pandas as pd
import numpy as np

uniform_data = np.random.rand(10, 12)
data = pd.DataFrame({'x':np.arange(1,101),
                    'y':np.random.normal(0,4,100)})


# Seaborn 提供了内置数据集
titanic = sns.load_dataset("titanic")
iris = sns.load_dataset("iris")

2 画布外观

f, ax = plt.subplots(figsize=(5,6)) # 创建画布与子图

Seaborn 样式

sns.set() # 设置或重置 Seaborn 默认值
sns.set_style("whitegrid") # 设置 matplotlib 参数
sns.set_style("ticks",            
                {"xtick.major.size":8,
                 "ytick.major.size":8})
sns.axes_style("whitegrid") # 返回参数字典或用with设置临时样式

上下文函数

sns.set_context("talk") # 将上下文设置为 "talk"
sns.set_context("notebook", # 将上下文设置为 "notebook", 缩放字体，覆盖参数映射
                font_scale=1.5,
                rc={"lines.linewidth":2.5})

调色板

sns.set_palette("husl",3) # 定义调色板
sns.color_palette("husl") # 使用 with 临时设置调色板
flatui = ["#9b59b6","#3498db","#95a5a6","#e74c3c","#34495e","#2ecc71"]
sns.set_palette(flatui) # 设置调色板

3 使用 Seaborn 绘图

坐标轴栅格

g = sns.FacetGrid(titanic,
                col="survived",  
                row="sex") # 绘制条件关系的子图栅格
g = g.map(plt.hist,"age")
sns.factorplot(x="pclass",
                y="survived",       
                hue="sex",
                data=titanic) # 在分面栅格上绘制分类图
sns.lmplot(x="sepal_width",
            y="sepal_length",       
            hue="species", 
            data=iris) # 绘制适配分面栅格的数据与回归模型

h = sns.PairGrid(iris) # 绘制配对关系的子图栅格
h = h.map(plt.scatter) # 绘制配对的双变量分布
sns.pairplot(iris) # 绘制双变量图的边际单变量图栅格
# i = sns.JointGrid(x="x",
#                 y="y",
#                 data=data)
# i = i.plot(sns.regplot,
#             sns.distplot)
sns.jointplot("sepal_length",  
                "sepal_width", # #输入两个绘图变量
                data=iris,
                color='#098154',#修改颜色
                height=5, #中部图高度（中部图为正方形）
                ratio=2,#中部图与边际图尺寸比
                marker='^',#修改散点marker
#                 marginal_kws=dict(bins=15, #hist箱子个数
#                                     kde=True,#开启核密度图
#                                     color='#c72e29',#直方图hist填充色                                    
#                                    ), # 修改边际图
                kind='kde', # scatter（默认）,可选reg,resid,kde,hex
             ) # 绘制双变量分布

各类图形

1 散点图

sns.stripplot(x="species",
                y="petal_length",
                data=iris) # 含分类变量的散点图

sns.swarmplot(x="species",
                y="petal_length",
                data=iris) # 不重叠分类散点图

2 条形图

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

3 计数图

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

4 点图

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

5  箱型图

sns.boxplot(x="alive",
            y="age",
            hue="adult_male",
            data=titanic) # 箱形图

sns.boxplot(data=iris,orient="h") # 使用宽表数据的箱型图

6 小提琴图

sns.violinplot(x="age",
                y="sex",
                hue="survived",
                data=titanic)

7 回归图

sns.regplot(x="sepal_width",    
            y="sepal_length",   
            data=iris,
            ax=ax) # 绘制与线性回归模型拟合的数据
f

8 分布图

plot = sns.distplot(data.y,
                kde=False,
                color="b") # 绘制单变量分布

9 矩阵图

sns.heatmap(uniform_data,vmin=0,vmax=1) # 热力图

深度自定义

Axisgrid 对象

g.despine(left=True) # 移除左框
g.set_ylabels("Survived") # 设置Y轴的标签
g.set_xticklabels(rotation=45) # 设置X轴刻度标签
g.set_axis_labels("Survived",  
                    "Sex") # 设置坐标轴标签
h.set(xlim=(0,5),
      ylim=(0,5),
        xticks=[0,2.5,5], 
        yticks=[0,2.5,5]) # 设置X与Y轴的限制和刻度

图形

plt.title("A Title") # 添加图形标题
plt.ylabel("Survived") # 调整y轴标签
plt.xlabel("Sex") # 调整x轴标签
plt.ylim(0,100) # 调整y轴限制
plt.xlim(0,10) # 调整x轴限制
plt.setp(ax,yticks=[0,5]) # 调整图形属性
plt.tight_layout() # 调整子图参数

显示或保存图形

plt.show() # 显示图形
plt.savefig("foo.png") # 将画布保存为图形
plt.savefig("foo.png",
                transparent=True) # 保存透明画布

关闭与清除

plt.cla() # 清除坐标轴
>>> plt.clf() # 清除画布
>>> plt.close() # 关闭窗口