Python高级可视化库seaborn分布分析(基础整理)

单变量分布

（1）distplot，seaborn的displot()函数集合了matplotlib的hist()与核函数估计kdeplot的功能，增加了rugplot分布观测条显示与利用scipy库fit拟合参数分布的新颖用途。
（2）kdeplot，核密度估计的步骤：每一个观测附近用一个正态分布曲线近似；叠加所有观测的正态分布曲线；归一化
bandwidth(bw参数)用于近似的正态分布曲线的宽度。
（3）模型参数拟合，distplot的fit参数

双变量分布

（1.1）jointplot，kind参数默认——散点图
（1.2）jointplot，kind=’hex’——六角箱图
（1.3）jointplot，kind=’kde’——核密度估计图
（2）subplots上画kdeplot,rugplot
（3）cubehelix_palette，梦幻效果
（4）plot_joint和jointplot联合使用，同时画散点和二维kde

数据集中特征的两两关系

（1）pairplot，默认对角线histgram，非对角线kdeplot
（2）map_diag定义对角线单个属性图，map_offdiag定义非对角线两个属性关系图

——————————————————————————————

单变量分布

（1）distplot，seaborn的displot()函数集合了matplotlib的hist()与核函数估计kdeplot的功能，增加了rugplot分布观测条显示与利用scipy库fit拟合参数分布的新颖用途。具体用法如下：
seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None, hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, color=None, vertical=False, norm_hist=False, axlabel=None, label=None, ax=None)
Parameters:
a : Series, 1d-array, or list. #一维数组
bins : argument for matplotlib hist(), or None, optional #设置分桶数
hist : bool, optional #控制是否显示分桶柱子
kde : bool, optional #控制是否显示核密度估计图
rug : bool, optional #控制是否显示观测实例竖线
fit : random variable object, optional #控制拟合的参数分布图形
{hist, kde, rug, fit}_kws : dictionaries, optional
Keyword arguments for underlying plotting functions.
vertical : bool, optional #显示正交控制
If True, oberved values are on y-axis.

%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats, integrate
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)
np.random.seed(sum(map(ord, "distributions")))
#ord()函数它以一个字符（长度为1的字符串）作为参数，返回对应的ASCII数值，或者Unicode数值，
#如果所给的Unicode字符超出了你的Python定义范围，则会引发一个TypeError的异常。
#利用np.random.seed()函数设置相同的seed，每次生成的随机数相同。如果不设置seed，则每次会生成不同的随机数

x = np.random.normal(size=100)
sns.distplot(x, kde=True, bins=20, rug=True)

kde控制是否画kde曲线，bins是分桶数，rug控制是否画样本点(参考rug图可以设定合理的bins)

（2）kdeplot，核密度估计的步骤：每一个观测附近用一个正态分布曲线近似；叠加所有观测的正态分布曲线；归一化
bandwidth(bw参数)用于近似的正态分布曲线的宽度。

%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats, integrate
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)
np.random.seed(sum(map(ord, "distributions")))

x = np.random.normal(size=100)
sns.kdeplot(x)
sns.kdeplot(x, bw=.2, label="bw: 0.2")
sns.kdeplot(x, bw=2, label="bw: 2")
plt.legend()

（3）模型参数拟合，distplot的fit参数

%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats, integrate
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)

x = np.random.gamma(6, size=200)
sns.distplot(x, kde=False, fit=stats.gamma) 
#fit控制拟合的参数分布图形 

双变量分布

（1.1）jointplot，kind参数默认——散点图

%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats, integrate
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)
np.random.seed(sum(map(ord, "distributions")))

mean, cov = [0, 1], [(1, .5), (.5, 1)] 
#两个相关的正态分布
data = np.random.multivariate_normal(mean, cov, 200) 
#依据指定的均值和协方差生成数据,生成二维数组
df = pd.DataFrame(data, columns=["x", "y"])

with sns.axes_style("ticks"):
    sns.jointplot(x="x", y="y", data=df)

（1.2）jointplot，kind=’hex’——六角箱图

%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats, integrate
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)
np.random.seed(sum(map(ord, "distributions")))

x, y = np.random.multivariate_normal(mean, cov, 200).T
with sns.axes_style("ticks"):
    sns.jointplot(x=x, y=y, kind="hex")

（1.3）jointplot，kind=’kde’——核密度估计图

%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats, integrate
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)
np.random.seed(sum(map(ord, "distributions")))

x, y = np.random.multivariate_normal(mean, cov, 200).T
with sns.axes_style("ticks"):
    sns.jointplot(x=x, y=y, kind="kde") 

#mean, cov = [0, 1], [(1, .5), (.5, 1)] 
#data = np.random.multivariate_normal(mean, cov, 200) 
#df = pd.DataFrame(data, columns=["x", "y"])
#with sns.axes_style("ticks"):
#    sns.jointplot(x="x", y="y", data=df, kind="kde")

（2）subplots上画kdeplot,rugplot

%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats, integrate
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)
np.random.seed(sum(map(ord, "distributions")))

x, y = np.random.multivariate_normal(mean, cov, 200).T

f, ax = plt.subplots(figsize=(6, 6))
sns.kdeplot(df.x, df.y, ax=ax)
sns.rugplot(df.x, color="g", ax=ax)
sns.rugplot(df.y, vertical=True, ax=ax)

（3）cubehelix_palette，梦幻效果

%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats, integrate
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)
np.random.seed(sum(map(ord, "distributions")))

x, y = np.random.multivariate_normal(mean, cov, 200).T

f, ax = plt.subplots(figsize=(6, 6))
cmap = sns.cubehelix_palette(as_cmap=True, dark=1, light=0)
sns.kdeplot(df.x, df.y, cmap=cmap, n_levels=60, shade=True)

（4）plot_joint和jointplot联合使用，同时画散点和二维kde

%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats, integrate
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)
np.random.seed(sum(map(ord, "distributions")))

mean, cov = [0, 1], [(1, .5), (.5, 1)] 
data = np.random.multivariate_normal(mean, cov, 200) 
df = pd.DataFrame(data, columns=["x", "y"])

g = sns.jointplot(x="x", y="y", data=df, kind="kde", color="y")
g.plot_joint(plt.scatter, c="m", s=30, linewidth=1, marker="+")
g.ax_joint.collections[0].set_alpha(0)  #画背景网格线
g.set_axis_labels("$X$", "$Y$")

数据集中特征的两两关系

%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats, integrate
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)

iris = sns.load_dataset("iris")
iris.head()

（1）pairplot，默认对角线histgram，非对角线kdeplot

%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats, integrate
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)

iris = sns.load_dataset("iris")
sns.pairplot(iris);

（2）map_diag定义对角线单个属性图，map_offdiag定义非对角线两个属性关系图

%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats, integrate
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)

iris = sns.load_dataset("iris")
g = sns.PairGrid(iris)
g.map_diag(sns.kdeplot)
g.map_offdiag(sns.kdeplot, cmap="Blues_d", n_levels=20)