image
- 为什么用 Seaborn -
Seaborn 是基于 Python 且非常受欢迎的图形可视化库，在 Matplotlib 的基础上，进行了更高级的封装，使得作图更加方便快捷。即便是没有什么基础的人，也能通过极简的代码，做出具有分析价值而又十分美观的图形。
Seaborn 可以实现 Python 环境下的绝大部分探索性分析的任务，图形化的表达帮助你对数据进行分析，而且对 Python 的其他库（比如 Numpy/Pandas/Scipy）有很好的支持。
那么现在开始，十分钟的时间，你就可以了解 Seaborn 中常用图形的绘制方法，以及进阶的可视化分析技巧。
- Seaborn 绘图上手 -
如果你还没有安装 Python 环境，那么推荐你安装 Anaconda，对于上手 Python 来说更加简单，不容易出差错。Anaconda 的安装教程网上很多，找到对应版本客户端安装即可。
安装好后，即可在终端（cmd）安装核心库 Seaborn 和 Matplotlib。
安装 Matplotlib
python -m pip install matplotlib
安装 Seaborn
pip install seaborn
然后打开 Jupyter Notebook（安装好 Anaconda 后，Jupyter 也已装好，在应用窗口中可以找到），我们就可以直接上手了。
先来一段基本的代码：
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
titanic=sns.load_dataset('titanic')
sns.barplot(x='class',y='survived',data=titanic)
image
通过以上代码，我们就绘制出了基本的条形图，是不是超级简单。这也是用 Seaborn 实现一个图形的基本模式，接下来我们把上面的代码拆开来看。
1.导入绘图模块
import seaborn as sns
import matplotlib.pyplot as plt
这里我们导入 Seaborn 和 Matplotlib.pyplot 模块，分别命名为 sns 和 plt，原则上这个简称是可以随意写的，但为了规范，尽量写成这样。这里引入 Matplotlib.pyplot ，是为了通过 Matplotlib 的参数去进行更好的控制。
2.提供显示条件
%matplotlib inline
这里的 “%matplot inline” 是为了在 Jupyter 中正常显示图形，若没有这行代码，图形显示不出来的。
3.导入数据
titanic=sns.load_dataset('titanic')
这里我们用 Seaborn 的 load_dataset() 方法导入数据 ‘titanic’，这是泰坦尼克号的相关数据，内置于 Seaborn（内置数据都可以用此方法导入）。当然 Seaborn 还提供了其他的内置数据，可以直接调用：
image
地址：<u style="text-decoration: none; border-bottom: 1px dashed rgb(128, 128, 128);">https://github.com/mwaskom/seaborn-data</u>
4.输出图形
sns.barplot(x='class',y='survived',data=titanic)
这是图形输出的直接代码，barplot 表示输出条形图，同样的还有 Seaborn 中还有 countplot、boxplot、violinplot、regplot、lmplot、heatmap 等多种图形方法可以使用，我们在接下来会详细说明。
barplot() 括号里的是需要设置的具体参数，涉及到数据、颜色、坐标轴、以及具体图形的一些控制变量，一般比较固定的是 'x'、'y'、'data'，分别表示x轴，y轴，以及选择的数据集。
- Seaborn 图形可视化 -
01 distplot
直方图
通常我们在分析一组数据时，首先要看的就是变量的分布规律，而直方图则提供了简单快速的方式，在 Seaborn 中可以用 distplot() 实现。
我们首先导入数据集 'titanic'，并查看随机的10行数据，对数据集有一个初步的印象：
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
#导数数据集'titanic'
titanic=sns.load_dataset('titanic')
#查看数据集的随机10行数据，用sample方法
titanic.sample(10)
image
通过观察数据，我们对'age'进行直方图展示。但在绘图之前，我们观测到'age'字段中存在缺失值，需要先用 dropna() 方法删掉存在缺失值的数据，否则无法绘制出图形。
#去除'age'中的缺失值，distplot不能处理缺失数据
age1=titanic['age'].dropna()
sns.distplot(age1)
image
在上图中，矩形表示在不同年龄段的数量分布，并且 distplot() 默认拟合出了密度曲线，可以看出分布的变化规律。
同时我们可以调节其中的一些参数，来控制输出的图形。
'kde' 是控制密度估计曲线的参数，默认为 True，不设置会默认显示，如果我们将其设为 False，则不显示密度曲线。
#去掉拟合的密度估计曲线，kde参数设为False
sns.distplot(age1,kde=False)
image
'bins'是控制分布矩形数量的参数，通常我们可以增加其数量，来看到更为丰富的信息。
# 通过'bins'参数设定数据片段的数量
sns.distplot(age1,bins=30,kde=False)
image
'reg' 参数用于控制直方图中的边际毛毯，通过控制'reg'是实现毛毯是否显示。
#创建一个一行2列的画布,主要方便对比
fig,axes=plt.subplots(1,2)
#设置'reg'参数，加上观测数值的边际毛毯
#需要用axes[]表示是第几张图，从0开始
sns.distplot(age1,ax=axes[0]) #左图
sns.distplot(age1,rug=True,ax=axes[1]) #右图
image
当然，除了控制矩形分布、密度曲线及边际毛毯是否显示，还可以通过更丰富的参数控制他们展示的细节，这些通过参数 'hist_kws' 、'kde_kws' 、'reg_kws' 来进行设置，因为其中涉及到多个参数，参数间用逗号隔开，参数外面用大括号括住。
#可以分别控制直方图、密度图的关键参数
fig,axes=plt.subplots(1,2)
sns.distplot(age1,rug=True,ax=axes[0])
sns.distplot(age1,rug=True,
hist_kws={'color':'green','label':'hist'},
kde_kws={'color':'red','label':'KDE'},
ax=axes[1])
image
02 barplot
条形图
barplot() 利用矩阵条的高度反映数值变量的集中趋势，以及使用errorbar功能（差棒图）来估计变量之间的差值统计（置信区间）。需要提醒的是 barplot() 默认展示的是某种变量分布的平均值（可通过参数修改为 max、median 等）。
这里我们仍然以'titanic'数据集作为展示，将'class'设为x轴，'survived'设为y轴。
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
#导入数据集'titanic'，命名为'titanic'
titanic=sns.load_dataset('titanic')
#将'class'设为x轴，'survived'为y轴，传入'titanic'数据
sns.barplot(x='class',y='survived',data=titanic)
image
我们可以通过设置'hue'参数，对x轴的数据进行细分，细分的条件就是'hue'的参数值，比如这里我们的x轴是'class'（仓位等级），我们将其按'sex'（性别）再进行细分。
sns.barplot(x='class',y='survived',hue='sex',data=titanic)
image
换一组数据试试，将x轴设为'embarked'，y轴设为'survived'，并用'class'进行细分。
sns.barplot(x='embarked',y='survived',
hue='class',data=titanic)
image
03 countplot
计数图
countplot 故名思意，计数图，可将它认为一种应用到分类变量的直方图，也可认为它是用以比较类别间计数差。当你想要显示每个类别中的具体观察数量时，countplot 很容易实现，比较类似我们在 Excel 等软件中应用的条形图。
同样，我们以数据集'titanic'为例子，首先探索'deck'字段下的类别计数。
image
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
titanic=sns.load_dataset('titanic')
sns.countplot(x='deck',data=titanic)
image
由此可见，我们选定某个字段，countplot() 会自动帮我们统计该字段下各类别的数目。当然，我们也可以再传入'hue'参数，进行细分，这里我们加入'sex'分类。
sns.countplot(x='deck',hue='sex',data=titanic)
image
如果我们希望调换横纵坐标，也就是类别放于纵坐标，计数值横坐标显示，将x轴换为y轴即可。
sns.countplot(y='deck',hue='who',data=titanic)
image
04 stripplot/swarmplot
散点图
在seaborn中有两种不同的分类散点图。stripplot() 使用的方法是用少量的随机“抖动”调整分类轴上的点的位置，swarmplot() 表示的是带分布属性的散点图。
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
titanic=sns.load_dataset('titanic')
sns.stripplot(x='embarked',y='fare',data=titanic)
image
这里我们可以通过设置'jitter'参数控制抖动的大小。
sns.stripplot(x='embarked',y='fare',
data=titanic,jitter=1)
image
swarmplot() 方法使用防止它们重叠的算法沿着分类轴调整点。它可以更好地表示观测的分布，它适用于相对较小的数据集。
sns.swarmplot(x='embarked',y='fare',data=titanic)
image
可以通过'hue'参数，对散点图添加更多细分的维度，Seaborn 中会以颜色来进行区分。
sns.stripplot(x='embarked',y='age',hue='who',jitter=1,data=titanic)
image
sns.swarmplot(x='embarked',y='age',hue='who',data=titanic)
image
05 boxplot
箱线图
boxplot（箱线图）是一种用作显示一组数据分散情况的统计图。它能显示出一组数据的最大值、最小值、中位数及上下四分位数。因形状如箱子而得名。这意味着箱线图中的每个值对应于数据中的实际观察值。
image
以'titanic'数据集为例，我们首先来探索不同的'class'（船舱）下的乘客的'age'（年龄）情况。
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
titanic=sns.load_dataset('titanic')
sns.boxplot(x='class',y='age',data=titanic)
image
同样的，可以通过传入'hue'的参数，来对x轴的字段进行细分，这里我们通过'who'来进行分类观察。
sns.boxplot(x='class',y='age',hue='who',data=titanic)
image
与上述类似，我们也可以通过调换x/y轴，实现箱线图的横向显示。
sns.boxplot(x='age',y='class',hue='who',data=titanic)
image
调节'order' 和 'hue_order' 参数，我们可以控制x轴展示的顺序。
fig,axes=plt.subplots(1,2)
sns.boxplot(x='class',y='age',hue='who',
data=titanic,ax=axes[0])
sns.boxplot(x='class',y='age',hue='who',data=titanic,
order=['Third','Second','First'],
hue_order=['child','woman','man'],ax=axes[1])
image
可以通过'linewidth'参数，控制线条的粗细。我们把'linewidth'参数设为1，就可以看到整体图形的线条变细，你可以根据自己的需要调节。
sns.boxplot(x='class',y='age',hue='who',
linewidth=1,data=titanic)
image
06 violinplot
小提琴图
小提琴图其实是箱线图与核密度图的结合，箱线图展示了分位数的位置，小提琴图则展示了任意位置的密度，通过小提琴图可以知道哪些位置的密度较高。
在图中，白点是中位数，黑色盒型的范围是下四分位点到上四分位点，细黑线表示须。外部形状即为核密度估计。
与箱线图进行对比，同样以'titanic'数据集为例，我们来探索不同的'class'（船舱）下乘客的'age'（年龄）情况。
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
titanic=sns.load_dataset('titanic')
sns.violinplot(x='class',y='age',data=titanic)
image
同样，可以设置'hue'参数，对字段进行细分。
sns.violinplot(x='class',y='age',hue='who',data=titanic)
image
当hue参数只有两个级别时，也可以通过设置'split'参数为True，“拆分”小提琴，提琴两边分别表示两个分类的情况，这样可以更有效地利用空间。
sns.violinplot(x='class',y='age',hue='alive',
data=titanic,split=True)
image
我们可以在小提琴内部添加图形来帮助我们进行分析，这里就需要控制'inner'参数。
sns.violinplot(x='class',y='age',hue='alive',
data=titanic,split=True,inner='stick')
image
我们甚至可以把上面提到的散点图加入小提琴图中。
sns.violinplot(x='class',y='age',data=titanic,inner=None)
sns.swarmplot(x='class',y='age',data=titanic,color='white')
image
07 regplot/lmplot
回归图
Seaborn 中利用 regplot() 和 lmplot() 来进行回归，确定线性关系，它们密切相关，共享核心功能，但也有明显的不同。
这里我们使用 Seaborn 自带的数据集'iris'来绘制回归相关的图形。首先我们导入收据来看看数据集的大概情况：
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
#导入数据集'iris'
iris=sns.load_dataset('iris')
#随机查看数据集的10行数据
iris.sample(10)
image
数据集非常简单，总共是5个字段，我们首先来看 'sepal_length' 和 'petal_length' 之间的线性关系。
sns.regplot(x='sepal_length',y='petal_length',data=iris)
image
图中的点表示实际的数据点，Seaborn 根据这些数据拟合出直线，表示x轴和y轴对应字段之间的线性关系，直线周围的阴影表示置信区间。
关于置信区间，可以通过设置'ci'参数控制是否显示。
sns.regplot(x='sepal_length',y='petal_length',data=iris,ci=None)
image
可以通过'color'和'marker'参数来控制图形的颜色以及数据点的形状。
fig,axes=plt.subplots(1,2)
sns.regplot(x='sepal_length',y='petal_length',data=iris,
color='r',marker='+',ax=axes[0])
sns.regplot(x='sepal_length',y='petal_length',data=iris,
color='g',marker='*',ax=axes[1])
image
lmplot() 可以设置hue，进行多个类别的显示，而 regplot() 是不支持的。这里我们通过设置hue='species'，来进行分类别地展示。
sns.lmplot(x='sepal_length',y='petal_length',
hue='species',data=iris)
image
同样的，我们也可以更改数据点的形状，来进行区分。
sns.lmplot(x='sepal_length',y='petal_length',hue='species',
data=iris,markers=['*','o','+'])
image
设置'fit_reg'参数，可以控制是否显示拟合的直线。
sns.lmplot(x='sepal_length',y='petal_length',hue='species',
data=iris,markers=['*','o','+'],fit_reg=False)
image
如果要对不同的类别分开绘制，用'col'参数代替'hue'。
sns.lmplot(x='sepal_length',y='petal_length',
col='species',data=iris)
image
08 heatmap
热力图
热力图通常用来表示特征之间的相关性，一般通过颜色的深浅来表示数值的大小或者相关性的高低。
这里我们导入 Seaborn 自带的另一个数据集'flights'，来绘制热力图。先查看数据前10行的情况：
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
flights = sns.load_dataset("flights")
flights.head(10)
image
我们以'year'为纵轴，'month'为横轴，'passengers'的值为标准绘制热力图。
f=flights.pivot('year','month','passengers')
sns.heatmap(f)
image
如果要显示具体的数值，可以通过'annot'参数来控制。
sns.heatmap(f, annot=True,fmt="d")
image
通过 Seaborn 的调色板控制热力图显示的颜色，调色板在后续会有详细的说明，这里只做演示，示例热力图的颜色调节机制。
cmap = sns.diverging_palette(200,20,sep=20,as_cmap=True)
sns.heatmap(f,cmap=cmap)
image
- 图形控制的艺术 -
前面我们利用 Seaborn 绘制了各种类型的图形，对于基本的快速分析，其实已经足够，但是在细节的调节、颜色、美观度等方面我们还可以进行精细化的控制。
首先我们利用 Numpy 创建一组数据（20行6列的随机数），然后利用 Seaborn 创建一个箱线图来进行展示。
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
#创建一个20行6列的数据
data = np.random.normal(size=(20, 6)) + np.arange(6) / 2
sns.boxplot(data=data)
image
图形背景
Seaborn 中有 white / whitegrid / dark / darkgrid / ticks 几种样式，用 set_style() 函数控制，分别如下：
whitegrid 白色网格背景
white 白色背景（默认）
darkgrid 黑色网格背景
dark 黑色背景
ticks 四周带有刻度的白色背景
# 设为白色网格背景
sns.set_style("whitegrid")
sns.boxplot(data=data)
image
# 设为黑色网格背景
sns.set_style("darkgrid")
sns.boxplot(data=data)
image
调色板
seaborn 中的分类色板，主要用 color_palette() 函数控制，color_palette() 不写参数则显示为 Seaborn 默认颜色。如果需要设置所有图形的颜色，则用 set_palette() 函数定义。
Seaborn 中6个默认的颜色循环主题分别为： deep, muted, pastel, bright, dark, colorblind，下面我们列举演示。
# 设置颜色模式为'deep'
sns.boxplot(data=data,palette=sns.color_palette('deep'))
image
# 设置颜色模式为'pastel'
sns.boxplot(data=data,palette=sns.color_palette('pastel'))
image
需要注意的是，除了默认的颜色模式有10中颜色外，其他的颜色模式只有6种颜色，如果需要更多颜色，那么则需要采用hls色彩空间。
#创建一个20行10列的数据'data2'
data2 = np.random.normal(size=(20, 10)) + np.arange(10) / 2
#利用hls色彩空间进行调色
sns.boxplot(data=data2, palette=sns.color_palette('hls', 10))
image
我们也可以通过简单的设置，得到单色渐变的效果，默认颜色由浅到深。
#可以尝试 Reds/Greens，默认颜色由浅到深
sns.boxplot(data=data,palette=sns.color_palette('Blues'))
image
显示中文
Seaborn 对中文的显示不太友好，如果在遇到乱码问题时，可以加入下面的代码。
# 指定默认字体
mpl.rcParams['font.sans-serif'] = ['SimHei']
# 解决保存图像是负号'-'显示为方块的问题
mpl.rcParams['axes.unicode_minus'] = False
保存图片
画出的图形我们需要保存，可以先建立一个画布，设置我们图像的大小，然后将这个画布保存下来。
#设置一个（12，6）的画布
plt.figure(figsize=(12, 6))
#图形绘制代码
sns.boxplot(data=data,palette=sns.color_palette('Blues'))
#将画布保存为'xiang.png'，还可以保存为jpg、svg格式图片
plt.savefig('xiang.png')
image
关于 Seaborn，基本的图形绘制到这里就差不多了，虽然只是最常规的图形，但是足够让你开始尝试探索数据，快速绘图并获得分析结果。
当然，这绝对不是 Seaborn 的全部，如果进行更精细化的参数设置，如何做出信息更多、更加美观的图形，还有很多需要去了解的细节。
探索性数据分析的路很长，但开始足够简单，去创造属于你的图形吧。
网友评论