（一）seaborn教程——可视化统计关系

简介：学习笔记为官网教程seaborn教程0.9.0

安装最新版本方法：

pip install git+https://github.com/mwaskom/seaborn.git

导入包和设置背景

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(style="darkgrid")

查看数据集

tips = sns.load_dataset("tips")
tips.head(3)

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3

一、用散点图关联变量

1、绘制散点图，x为”total_bill”列的数据，y为”tip”列的数据，数据集为”tips”的pandas类型数据

sns.relplot(x="total_bill", y="tip", data=tips);

2、绘制3维的关系图，第3维的数据”smoker”列的数据用hue=”smoker”表示，如图，蓝色代表取值
“yes”，红色代表取值”no”。

sns.relplot(x="total_bill", y="tip", hue="smoker", data=tips);

3、绘制3维的关系图，第3维的数据”smoker”列的数据用hue=”smoker”和style=”smoker”表示，
用不同颜色和样式表示该维数据，即蓝色圆点代表”yes”,橙色x代表取值”no”

sns.relplot(x="total_bill", y="tip", hue="smoker", style="smoker",
            data=tips);

4、绘制4维的关系图，用样式表示另外一列数据

sns.relplot(x="total_bill", y="tip", hue="smoker", style="time", data=tips);

5、如果颜色代表的维度数据不是离散值，而是连续的数字，则根据颜色深浅代表取值

sns.relplot(x="total_bill", y="tip", hue="size", data=tips);

我们可以自定义颜色

sns.relplot(x="total_bill", y="tip", hue="size", palette="ch:r=-.5,l=.75", data=tips);

6、除了”颜色”、”样式”可以代表维度外，”大小”也可以；，”大小”类似于”颜色”处理数值数据

sns.relplot(x="total_bill", y="tip", size="size", data=tips);

数据单元中的值范围被归一化为面积单位的范围，这个范围可以定制

sns.relplot(x="total_bill", y="tip", size="size", sizes=(15, 200), data=tips);

二、强调线图的连续性

数据集

df = pd.DataFrame(dict(time=np.arange(500),value=np.random.randn(500).cumsum()))
df.head(3)

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	time	value
0	0	-0.652967
1	1	-2.372132
2	2	-2.926434

1、time随value的变化图

g = sns.relplot(x="time", y="value", kind="line", data=df)
g.fig.autofmt_xdate()

默认行为是x在绘图之前按值对数据进行排序。但是，这可以被禁用。

df = pd.DataFrame(np.random.randn(500, 2).cumsum(axis=0), columns=["x", "y"])
sns.relplot(x="x", y="y", sort=False, kind="line", data=df);

2、聚合和表示不确定性：
更复杂的数据集将对x变量的相同值进行多次测量。seaborn中的默认行为是x通过绘制平均值周围
的平均值和95％置信区间来聚合每个值的多个测量值：

数据集

fmri = sns.load_dataset("fmri")
fmri.head(3)

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	subject	timepoint	event	region	signal
0	s13	18	stim	parietal	-0.017552
1	s5	14	stim	parietal	-0.080883
2	s12	18	stim	parietal	-0.081033

sns.relplot(x="timepoint", y="signal", kind="line", data=fmri);

使用自举来计算置信区间，对于较大的数据集，这可能是时间密集的。因此可以禁用它们：

sns.relplot(x="timepoint", y="signal", ci=None, kind="line", data=fmri);

对于更大的数据，是通过绘制标准偏差而不是置信区间来表示每个时间点的分布范围

sns.relplot(x="timepoint", y="signal", kind="line", ci="sd", data=fmri);

要完全关闭聚合，请将estimator参数设置为“ None当数据在每个点有多个观察值时，可能会产生奇怪的效果

sns.relplot(x="timepoint", y="signal", estimator=None, kind="line", data=fmri);

三、用语义映射绘制数据子集

sns.relplot(x="timepoint", y="signal", hue="event", kind="line", data=fmri);

hue表示颜色，style表示样式

sns.relplot(x="timepoint", y="signal", hue="region", style="event",
            kind="line", data=fmri);

使用短划线或代替默认的样式

sns.relplot(x="timepoint", y="signal", hue="region", style="event",
            dashes=False, markers=True, kind="line", data=fmri);

用线条的颜色和样式只表示一个数据维度

sns.relplot(x="timepoint", y="signal", hue="event", style="event",
            kind="line", data=fmri);

1、使用重复测量数据（即有多次采样的单位）时，可以单独绘制每个采样单位，
而无需通过语义区分它们。这可以避免使图例混乱。比如对”subject”单位绘图。

sns.relplot(x="timepoint", y="signal", hue="region",
            units="subject", estimator=None,
            kind="line", data=fmri.query("event == 'stim'"));

2、默认lineplot()的色彩映射和图例的处理还取决于色调语义是分类还是数字

数据集

dots = sns.load_dataset("dots").query("align == 'dots'")
dots.head(4)

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	align	choice	time	coherence	firing_rate
0	dots	T1	-80	0.0	33.189967
1	dots	T1	-80	3.2	31.691726
2	dots	T1	-80	6.4	34.279840
3	dots	T1	-80	12.8	32.631874

sns.relplot(x="time", y="firing_rate",
            hue="coherence", style="choice",
            kind="line", data=dots);

如果hue变量是数字，很难用线性色标表示可以用水平以对数方式缩放。通过传递列表或字典为每一行提供特定的颜色值：

palette = sns.cubehelix_palette(light=.8, n_colors=6)
sns.relplot(x="time", y="firing_rate",
            hue="coherence", style="choice",
            palette=palette,
            kind="line", data=dots);

三、用日期数据绘图

df = pd.DataFrame(dict(time=pd.date_range("2017-1-1", periods=500),
                       value=np.random.randn(500).cumsum()))
g = sns.relplot(x="time", y="value", kind="line", data=df)
g.fig.autofmt_xdate()

四、显示与facet的多个关系

1、通过col=”time”，每一列代表”time”的取值，有多少个值就有多少列

sns.relplot(x="total_bill", y="tip", hue="smoker",
            col="time", data=tips);

2、 通过col=”region”, row=”event”，每一列代表”time”的取值，每一行代表”event”的取值

sns.relplot(x="timepoint", y="signal", hue="subject",
            col="region", row="event", height=3,
            kind="line", estimator=None, data=fmri);

col_wrap=5设置每一列显示多少个图；height=3代表子图的高, aspect=.75,代表高宽比；
linewidth=2.5代表线条粗细

sns.relplot(x="timepoint", y="signal", hue="event", style="event",
            col="subject", col_wrap=5,
            height=3, aspect=.75, linewidth=2.5,
            kind="line", data=fmri.query("region == 'frontal'"));