Python编程数据分析篇之Seaborn绘图

Python编程数据分析篇之Seaborn绘图

---

关系型绘图

seaborn.relplot()

这个函数功能非常强大，可以用来表示多个变量之间的关联关系。默认情况下是绘制散点图，也可以绘制线形图，具体绘制什么图形是通过kind参数来决定的。实际上以下两个函数就是relplot的特例：

• 散点类型：scatterplot --> relplot(kind=‘scatter’)
• 线性类型：lineplot --> relplot(kind=‘line’)

基本使用

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips',cache=True)
sns.relplot(x='total_bill',y='tip',data=tips)
plt.show()

hue参数
hue参数是用来控制第三个变量的颜色显示的。比如我们在以上图的基础之上体现出星期几的参数，那么可以通过以下代码来实现。

sns.relplot(x='total_bill',y='tip',hue='day',data=tips)

col和row参数
col和row，可以根据某个属性的值的个数将图分割成多列或多行。比如在以上的基础上我们想要把Lunch和Dinner分割成两个图来显示，可以通过以下代码来实现。

sns.relplot(x='total_bill',y='tip',data=tips,hue='day',col='time')

分类绘图

分类图的绘制采用的是sns.catplot来实现的。cat是category的简写。这个方法默认绘制的是分类散点图，如果想要绘制其它类型的图，同样可以通过kind参数来指定。
主要分为：

• 分类散点图
• 分类分布图
• 分类统计图

分类散点图

分类散点图比较适合数据量不是很大的情况，用catplot来实现，但也有以下两个特别的方法。

• stripplot()：catplot(kind=‘strip’) 默认的
• swarmplot()：catplot(kind=‘swarm’)

sns.catplot(x='total_bill',y='tip',data=tips,hue='sex')

分类分布图

分类分布图主要是根据分类来看，然后在每个分类下数据的分布情况。也是通过catplot来实现，以下三个方法分别是不同的kind参数。

• 箱型图：boxplot() (with kind=‘box’)
• 小提琴图：violinplot() (with kind=‘violin’)
  小提琴图实际上就是两个对称的核密度曲线合并起来，然后中间是一个箱型图（也可以为其它图形）

分类统计图

分类统计图则是根据分类统计每个分类下的数据的个数或者比例。有以下几种方式：

• 条形图：barplot() (with kind=‘bar’)
• 柱状图：countplot() (with kind=‘count’)
• 点线图：pointplot() (with kind=‘point’)
  条形图
  seaborn中的条形图具有统计功能，可以统计出比例、平均数，也可以按照你想要的统计函数来统计。示例代码如下：

sns.catplot(x='day',y='totao_bill',data=tips,kind='bar')

柱状图
seaborn中的柱状图函数中的参数x和y不能同时存在。代码示例如下：

sns.catplot(y='totao_bill',data=tips,kind='count')

点线图

sns.catplot(y='totao_bill',data=tips,kind='point')

分布绘图

分布绘图主要分为单变量分布和二变量分布以及pairplot分布。

单变量分布

单一变量主要就是通过直方图来绘制。在seaborn中直方图的绘制采用distplot，其中dist是distribution的简写，不是histogram的简写。示例代码如下：

titanic = pd.read_csv('titanic.csv')
sns.distplot(titanic.age,kde=False,bins