尊重原创版权: https://www.gewuweb.com/hot/12953.html
Python数据分析 | seaborn工具与数据可视化
尊重原创版权: https://www.gewuweb.com/sitemap.html
Python中最常用于数据可视化的工具库包括Matplotlib和Seaborn。其中,Matplotlib属于 Python
数据可视化的基础库,具备很高的灵活度,但应用过于复杂——官方文档有3000 多页,包含上千个方法以及数万个参数。
对于快捷地进行数据分析可视化而言,Seaborn是一个更简单易用的选择。Seaborn 基于 Matplotlib 核心库进行了更高阶的 API
封装,可以轻松地画出更漂亮的图形。Seaborn 的漂亮主要体现在配色更加舒服、以及图形元素的样式更加细腻。下面是 Seaborn 官方给出的参考图。
一、Seaborn工具库优点
- 内置数个经过优化的样式效果。
- 增加调色板工具,可以很方便地为数据搭配颜色。
- 单变量和双变量分布绘图更为简单,可用于对数据子集相互比较。
- 对独立变量和相关变量进行回归拟合和可视化更加便捷。
- 对数据矩阵进行可视化,并使用聚类算法进行分析。
- 基于时间序列的绘制和统计功能,更加灵活的不确定度估计。
- 基于网格绘制出更加复杂的图像集合。
二、快速优化Matplotlib绘制的图形
Matplotlib 绘图的默认图像样式算不上美观,可以使用 Seaborn 完成快速优化。
使用 Matplotlib 绘制一张简单的图像。
import matplotlib.pyplot as plt
%matplotlib inline
x = [1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
y_bar = [3, 4, 6, 8, 9, 10, 9, 11, 7, 8]
y_line = [2, 3, 5, 7, 8, 9, 8, 10, 6, 7]
plt.bar(x, y_bar)
plt.plot(x, y_line, '-o', color='y')
使用 Seaborn 完成图像快速优化。
方法非常简单,只需要将 Seaborn 提供的样式声明代码 sns.set() 放置在绘图前即可。
import seaborn as sns
sns.set() # 声明使用 Seaborn 样式
plt.bar(x, y_bar)
plt.plot(x, y_line, '-o', color='y')
可以发现,相比于 Matplotlib 默认的纯白色背景,Seaborn
默认的浅灰色网格背景看起来的确要细腻舒适一些。而柱状图的色调、坐标轴的字体大小也都有一些变化。
sns.set() 的默认参数为:
sns.set(context='notebook', style='darkgrid', palette='deep', font='sans-serif', font_scale=1, color_codes=False, rc=None)
- context=’ ’ 参数控制着默认的画幅大小,分别有 {paper, notebook, talk, poster} 四个值。其中,poster > talk > notebook > paper。
- style=’ ’ 参数控制默认样式,分别有 {darkgrid, whitegrid, dark, white, ticks},你可以自行更改查看它们之间的不同。
- palette=’ ’ 参数为预设的调色板。分别有 {deep, muted, bright, pastel, dark, colorblind} 等,你可以自行更改查看它们之间的不同。
- 剩下的 font=’ ’ 用于设置字体,font_scale= 设置字体大小,color_codes= 不使用调色板而采用先前的 ‘r’ 等色彩缩写。
三、Seaborn核心绘图函数与方法
Seaborn 一共拥有 50 多个 API 类,相比于 Matplotlib 数千个的规模,可以说是非常精简了。根据图形的适应场景,Seaborn
的绘图方法大致分类 6 类,这 6 大类下面又包含不同数量的绘图函数:
- 关联图——relplot
- 类别图——catplot
- 分布图——distplot、kdeplot、jointplot、pairplot
- 回归图——regplot、lmplot
- 矩阵图——heatmap、clustermap
- 组合图
接下来,我们通过『鸢尾花示例数据集』进行演示,使用 Seaborn 绘制适应不同场景的图形。首先导入数据集:
iris = sns.load_dataset("iris")
iris.head()
在绘图之前,先熟悉一下 iris 鸢尾花数据集。
数据集总共 150 行,由 5
列组成。分别代表:萼片长度、萼片宽度、花瓣长度、花瓣宽度、花的类别。其中,前四列均为数值型数据,最后一列花的分类为三种,分别是:Iris
Setosa、Iris Versicolour、Iris Virginica。
3.1 关联图
当我们需要对数据进行关联性分析时,可能会用到 Seaborn 提供的以下几个 API。
relplot 是 relational plots 的缩写,用于呈现数据之后的关系。relplot 主要有散点图和线形图2种样式,适用于不同类型的数据。
** (1)散点图 **
指定 xx 和 yy 的特征,默认可以绘制出散点图。
sns.relplot(x="sepal_length", y="sepal_width", data=iris)
但是,上图并不能看出数据类别之间的联系。如果我们加入类别特征对数据进行着色,就更加直观了。
sns.relplot(x="sepal_length", y="sepal_width", hue="species", data=iris)
Seaborn 的函数都有大量实用的参数。例如我们指定 style 参数可以赋予不同类别的散点不同的形状。更多的参数,希望大家通过阅读 官方文档 进行了解。
sns.relplot(x="sepal_length", y="sepal_width", hue="species", style="species", data=iris)
** (2)线形图 **
relplot 方法还支持线形图,此时只需要指定 kind=”line” 参数即可。图中阴影部分是自动给出的 95% 置信区间。
sns.relplot(x="sepal_length", y="petal_length", hue="species", style="species", kind="line", data=iris)
** (3)API 层级:Axes-level 和 Figure-level **
Seaborn 中有 API 层级的概念。Seaborn 中的 API 分为 Axes-level 和 Figure-level 两种:Axes-level
的函数可以实现与 Matplotlib 更灵活和紧密的结合,而 Figure-level 则更像是「懒人函数」,适合于快速应用。
你会发现,上面我们一个提到了 3 个 API,分别是:relplot,scatterplot 和 lineplot。scatterplot 和
lineplot 就是 Axes-level 接口,relplot 则是 Figure-level 接口,也可以被看作是 scatterplot 和
lineplot 的结合版本。
例如,上方 relplot 绘制的图也可以使用 lineplot 函数绘制,只要取消 relplot 中的 kind 参数即可。
sns.lineplot(x="sepal_length", y="petal_length", hue="species", style="species", data=iris)
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-xdJJTJUx-1651199231215)(https://p3.toutiaoimg.com/origin/tos-cn-i-qvj2lq49k0/10ef269ac7a0477e8d5c19ce8c735125?from=pc)]
3.2 类别图
与关联图相似,类别图的 Figure-level 接口是 catplot,其为 categorical plots 的缩写。而 catplot 实际上是如下
Axes-level 绘图 API 的集合:
** (1)散点图 strip / swarm **
下面,我们看一下 catplot 绘图效果。该方法默认是绘制 kind=“strip” 散点图。
sns.catplot(x="sepal_length", y="species", data=iris)
kind=“swarm” 可以让散点按照 beeswarm 的方式防止重叠,可以更好地观测数据分布。
sns.catplot(x="sepal_length", y="species", kind="swarm", data=iris)
同理,hue= 参数可以给图像引入另一个维度,由于 iris 数据集只有一个类别列,我们这里就不再添加 hue= 参数了。如果一个数据集有多个类别,hue=
参数就可以让数据点有更好的区分。
** (2)箱线图 box **
接下来,我们依次尝试其他几种图形的绘制效果。绘制箱线图:
sns.catplot(x="sepal_length", y="species", kind="box", data=iris)
** (3)增强箱线图 boxen **
sns.catplot(x="species", y="sepal_length", kind="boxen", data=iris)
** (4)小提琴图 violin **
sns.catplot(x="sepal_length", y="species", kind="violin", data=iris)
** (5)点线图 point **
sns.catplot(x="sepal_length", y="species", kind="point", data=iris)
** (6)条形图 bar **
sns.catplot(x="sepal_length", y="species", kind="bar", data=iris)
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UTgAIPtc-1651199231223)(https://p3.toutiaoimg.com/origin/tos-cn-i-qvj2lq49k0/9afb0331fa554f12a639dd13abfb4d8b?from=pc)]
** (7)计数条形图 count **
sns.catplot(x="species", kind="count", data=iris)
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Q9K7K3HG-1651199231224)(https://p3.toutiaoimg.com/origin/tos-cn-i-qvj2lq49k0/cef5bfb5b5cc4966bbbd7f9250387ab6?from=pc)]
3.3 分布图
分布图主要是用于可视化变量的分布情况,一般分为单变量分布和多变量分布(多指二元变量)。
Seaborn
提供的分布图绘制方法一般有这几个:distplot、kdeplot、jointplot、pairplot。接下来,我们依次来看一下这些绘图方法的使用。
** (1)单变量分布图 distplot **
Seaborn 快速查看单变量分布的方法是 distplot。默认情况下,该方法将绘制直方图并拟合核密度估计图。
sns.distplot(iris["sepal_length"])
distplot 提供了参数来调整直方图和核密度估计图。例如,设置 kde=False 则可以只绘制直方图,或者 hist=False 只绘制核密度估计图。
( ** 2)核密度估计图 kdeplot **
当然,kdeplot 可以专门用于绘制核密度估计图,其效果和 distplot(hist=False) 一致,但 kdeplot 拥有更多的自定义设置。
sns.kdeplot(iris["sepal_length"])
** (3)二元变量分布图 jointplot **
jointplot 主要是用于绘制二元变量分布图。例如,我们探寻 sepal_length 和 sepal_width 二元特征变量之间的关系。
sns.jointplot(x="sepal_length", y="sepal_width", data=iris)
jointplot 并不是一个 Figure-level 接口,但其支持 kind= 参数指定绘制出不同样式的分布图。
例如,绘制出核密度估计对比图 kde
sns.jointplot(x="sepal_length", y="sepal_width", data=iris, kind="kde")
绘制六边形计数图 hex
sns.jointplot(x="sepal_length", y="sepal_width", data=iris, kind="hex")
绘制回归拟合图 reg
sns.jointplot(x="sepal_length", y="sepal_width", data=iris, kind="reg")
** (4)变量两两对比图 pairplot **
最后要介绍的 pairplot 更加强大,其支持一次性将数据集中的特征变量两两对比绘图。默认情况下,对角线上是单变量分布图,而其他则是二元变量分布图。
sns.pairplot(iris)
此时,我们引入第三维度 hue="species"会更加直观。
sns.pairplot(iris, hue="species")
3.4 回归图
接下来,我们继续介绍回归图,回归图的绘制函数主要有:lmplot 和 regplot。
(1)regplot
regplot 绘制回归图时,只需要指定自变量和因变量即可,regplot 会自动完成线性回归拟合。
sns.regplot(x="sepal_length", y="sepal_width", data=iris)
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-tMHvrBg1-1651199231234)(https://p3.toutiaoimg.com/origin/tos-cn-i-qvj2lq49k0/599baa40781343509caa663526907af4?from=pc)]
(2)lmplot
lmplot 同样是用于绘制回归图,但 lmplot 支持引入第三维度进行对比,例如我们设置 hue=“species”。
sns.lmplot(x="sepal_length", y="sepal_width", hue="species", data=iris)
3.5 矩阵图
矩阵图中最常用的就只有 2 个,分别是:heatmap 和 clustermap。
(1)热力图 heatmap
意如其名,heatmap 主要用于绘制热力图。热力图在某些场景下非常实用,例如绘制出变量相关性系数热力图。
import numpy as np
sns.heatmap(np.random.rand(10, 10))
(2)层次聚类结构图clustermap
除此之外,clustermap
支持绘制层次聚类结构图。如下所示,我们先去掉原数据集中最后一个目标列,传入特征数据即可。当然,你需要对层次聚类有所了解,否则很难看明白图像多表述的含义。
iris.pop("species")
sns.clustermap(iris)
四、样式控制与色彩自定义
浏览官方文档,会发现 Seaborn 中还存在大量已大些字母开始的类,例如 JointGrid,PairGrid 等。实际上这些类只是其对应小写字母的函数
jointplot,pairplot 的进一步封装。当然,二者可能稍有不同,但并没有本质的区别。
除此之外,Seaborn 官方文档 中还有关于 样式控制 和 色彩自定义 等一些辅助组件的介绍。对于这些 API 的应用没有太大的难点,重点需要勤于练习。
-----------------------------------
Python数据分析 | seaborn工具与数据可视化
具与数据可视化