task3 seaborn

about Seaborn

• 在matplotlib上进行了更加高级的封装, 能够用少数代码画出具有丰富统计信息的科研论文配图

• 降低用户的学习成本和绘图的繁琐程度

• 也可以根据seaborn函数中所能支持的修改参数, 进行复杂绘图定制

• 可以绘制的图包括

  • 统计关系型, statistical relationships
  • 数据分布型, distributions of data
  • 分类数据型, categorical data
  • 回归模型分析型, regression models
  • 多子图网格型, multi-plot grids

关系型图

• 通过相互关系和相互依赖程度, 分析变量间的相关性
• scatterplt(), relplot(), lineplot()

plot function	core parameters	plot category
scatterplot	x, y, hue (颜色映射), size (映射大小), data (DataFrame/ndarray 数据类型), palette (颜色系), size (数据标记大小), estimator (评估聚类方法), ci (置信区间)	散点图, 气泡图
relplot	x, y, hue, palette, legend, kind, markers	数据拟合散点图
lineplot	x, y, hue, paletter, legend, kind, markers, estimator, ci, err_style, err_kws	线图, 带标记的线图

数据分布型图

• 进行数据分析前, 了解数据分布情况, 包括覆盖范围, 中心趋势, 异常数值等

plot function	core parameters	plot category
displot()	data, x, y, hue, kind (绘图类别), rug (数据分布短线), rug_kws, color	数据分布图
histplot()	data, x, y, hue, weights (分布权重), bins (箱的总数), binwidth, binrange, kde (密度曲线), kde_kws, line_kws, cbar (双变量图颜色柱), cbar_kws	直方图
kdeplot()	x, y, shade (是否填充), kernel (内核), hue, palette, bw_method (平滑带宽方法)	核密度图
ecdfplot()	data, x, y, hue, stat (计算分布统计), palette	经验分布函数 (或称为经验累积分布函数，即 ECDF)图
rugplot()	x, y, height (覆盖轴范围比例), hue, palette, expand_margins (是否增加 rug 与轴的高度，避免它与其他元素重合)	轴底部毯形图

分类数据型图

• 数据中存在分类/离散变量, 使用XY轴作为分类轴

plot function	core parameters	plot category
stripplot()	x, y, hue, data, order, hue_order, jitter (抖动), dodge (分组), orient (方向), color, palette, size, edgecolor, linewidth, ax	抖动散点图
swarmplot()	x, y, hue, data, order, hue_order, dodge, orient, color, palette, size, edgecolor, linewidth, ax	蜂巢图
boxplot()	x, y, hue, data, order, hue_order, orient, color, palette, saturation, width, dodge, fliersize, linewidth, whis, ax, notch	箱线图
violinplot()	x, y, hue, data, order, hue_order, bw, cut, scale, scale_hue, gridsize, width, inner, split, dodge, orient, linewidth, color, palette, saturation, ax	带误差线小提琴图
boxenplot()	x, y, hue, data, order, hue_order, orient, color, palette, saturation, width, dodge, k_depth, linewidth, ax	增强箱线图
pointplot()	x, y, hue, data, order, hue_order, estimator, ci, n_boot, units, markers, linestyles, dodge, orient, color, palette, errwidth, capsize, ax	带误差线点图
barplot()	x, y, hue, data, order, hue_order, estimator, ci, n_boot, units, orient, color, palette, saturation, errcolor, errwidth, capsize, dodge, ax	带误差线条形图
countplot()	x, y, hue, data, order, hue_order, orient, color, palette, saturation, dodge, ax	分类统计柱形图

回归模型分析型图

• 使用回归模型分析, 表示数据集中变量间的关系

plot function	core parameters	plot category
lmpplot()	x, y, data, x_estimator, x_bins, x_ci, scatter, fit_reg, ci, n_boot, units, order, logistic, lowess, robust, logx, x_partial, y_partial, truncate, x_jitter, y_jitter, scatter_kws, line_kws, ax	线性回归模型图
residplot()	x, y, data, lowess, x_partial, y_partial, order, robust, dropna, label, color, scatter_kws, line_kws, ax	线性回归模型残差图
regplot()	x, y, data, x_estimator, x_bins, x_ci, scatter, fit_reg, ci, n_boot, units, order, logistic, lowess, robust, logx, x_partial, y_partial, truncate, x_jitter, y_jitter, scatter_kws, line_kws, ax	线性回归模型图

分类数据型图

FacetGrid() 函数

• 实现行, 列, 色调3个维度的数值映射
• 每行每列都是df中一个列中的类别

g = sns.FacetGrid(tips, row="sex", col="time", hue="smoker")
g.map(sns.scatterplot, "total_bill", "tip", alpha=.7)  # scatters
g.map(sns.regplot, "total_bill", "tip", ci=95)  # linear regression
g.fig.subplots_adjust(top=0.9)
g.fig.suptitle('tips dataset, sex | time | smoker', fontsize=16)
g.add_legend()

PairGrid() 函数

• 显示数据集中成对变量间的关系
• 每行每列都是df中的一个列

penguis = sns.load_dataset("penguins")
x_vars = ["body_mass_g", "bill_length_mm", "bill_depth_mm", "flipper_length_mm", ]
y_vars = ["body_mass_g", "bill_length_mm", "bill_depth_mm", "flipper_length_mm", ]
g = sns.PairGrid(penguis, hue="species", x_vars=x_vars, y_vars=y_vars)
g.map_diag(sns.histplot, color=".3")
g.map_offdiag(sns.scatterplot)
g.fig.subplots_adjust(top=0.9)
g.fig.suptitle('penguis dataset, mass | bill l/d | fillper l', fontsize=16)
g.add_legend()

绘图风格, 颜色主题和绘图元素比例放缩

• seaborn有更多绘图风格和颜色主题, 可以用于绘制不同样式的图.

"""common code"""
sns.set_style("style_name")  # 绘图风格
sns.set_palette("palette_name")  # 颜色主题
sns.set_context("context_scale")  # 绘图元素放缩比例

# check available palettes
sns.palettes.MPL_QUAL_PALS, sns.palettes.SEABORN_PALETTES

# show color palette
sns.color_palette("flare")

# show interpolated color palette
pal = sns.color_palette("flare", as_cmap=True)
pal_c = list(pal.colors)
sns.palplot(pal_c[::len(pal_c)//20])

• set_style: darkgrid, whitegird, dark, white
• palette_name:
  • ['tab10', 'tab20', 'tab20b', 'tab20c', 'Set1', 'Set2', 'Set3', 'Accent', 'Paired', 'Pastel1', 'Pastel2', 'Dark2']
  • ['deep', 'deep6', 'muted', 'muted6', 'pastel', 'pastel6', 'bright', 'bright6', 'dark', 'dark6', 'colorblind', 'colorblind6']
• context_scale: paper, notebook, talk, poster
  • 图片所有内容物的大小, 逐个增大