python绘制小提琴图_Python数据可视化

注：转载请注明出处

目录一、简述

二、matplotlib基础函数基本形式

figure和axes的关系

子图的绘制

导出矢量图三、Seaborn基础

四、绘图实例散点图

条形图

直方图

核密度图

箱线图

小提琴图

双变量关系图jointplot

回归图

pairplot 图

heatmap 图

一、简述

本文介绍基于pandas、matplotlib、seaborn库的Python数据可视化。pandas库是数据分析库，实现了一些基本的绘图方法。matplotlib和seaborn是Python中最常用的可视化工具，Python数据可视化一般是通过较底层的 Matplotlib 库和较高层的 Seaborn 库实现的。

Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充，而不是替代物。

那么Pandas与Seaborn之间有什么区别呢？其实两者都是使用了matplotlib来作图，但是有非常不同的设计差异。

在只需要简单地作图时直接用Pandas，但要想做出更加吸引人，更丰富的图就可以使用Seaborn；Pandas的作图函数并没有太多的参数来调整图形，所以你必须要深入了解matplotlib；Seaborn的作图函数中提供了大量的参数来调整图形，所以并不需要太深入了解matplotlib。

建议用以下几个步骤学习如何使用matplotlib：

1. 学习基本的matplotlib术语，尤其是什么是图和坐标轴

2. 始终使用面向对象的接口，从一开始就养成使用它的习惯

3. 用基础的pandas绘图开始你的可视化学习

4. 用seaborn进行更复杂的统计可视化

5. 用matplotlib来定制pandas或者seaborn可视化

matplotlib作图的基本组成如下图：

导入数据可视化需要的包

# 导入包

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

import warnings

warnings.filterwarnings('ignore')

# 为了在jupyter notebook内嵌网页中显示图形，可打开以下开关

# 如果没有打开开关，每次图形显示时要使用函数：plt.show()

%matplotlib inline

#解决中文显示问题

plt.rcParams['font.sans-serif']=['SimHei']

plt.rcParams['axes.unicode_minus'] = False

二、Matplotlib基础

1. 函数基本形式

Matplotlib画图函数一般为如下形式：

plt.图名(x, y, '颜色 marker 线型')

x = np.linspace(0, 2 * np.pi, 20)

plt.figure(figsize=(6, 4))# 新建一个图像，设置图像大小

plt.plot(x, np.sin(x), 'ro-', label='sinx')# 设置颜色、标记符号、线型、图例标签

plt.plot(x, np.cos(x), 'b*--', label='cosx')

plt.title('plot curve', fontsize=25)# 标题

plt.xlim(-1, 7)# x轴范围

plt.ylim(-1.5, 1.5)# y轴范围

plt.xlabel('x', fontsize=20)# x轴标签

plt.ylabel('y', fontsize=20)# y轴标签

plt.legend(loc='best')# 图例

plt.show()

2. figure和axes的关系

在matplotlib中，整个图像为一个Figure对象。在Figure对象中可以包含一个，或者多个Axes对象。每个Axes对象都是一个拥有自己坐标系统的绘图区域。每个Axes对象都是一个拥有自己坐标系统的绘图区域。

相应的，matplotlib有两种画图方式，pyplot方法和axes方法。pyplot代码简洁，适合在不涉及子图绘制的情况下使用；axes适合在绘制子图的情况下使用。

注：axes作图通过ax.set_{something}()设置图形参数

# pyplot作图

plt.figure()

plt.plot(np.arange(6), np.arange(6), color='r')

plt.scatter([0.5, 4.1, 4.8, 3], [6, 8, 3.1, 1.2], color='b', marker='^')

plt.title('pyplot')

plt.xlabel('X')

plt.ylabel('Y')

plt.show()

# axes作图一

fig = plt.figure()

ax = fig.add_subplot(111)

ax.plot(np.arange(6), np.arange(6), color='r')

ax.scatter([0.5, 4.1, 4.8, 3], [6, 8, 3.1, 1.2], color='b', marker='^')

ax.set_title('axes1')

ax.set_xlabel('X')

ax.set_ylabel('Y')

plt.show()

# axes作图二

fig, ax = plt.subplots()

ax.plot(np.arange(6), np.arange(6), color='r')

ax.scatter([0.5, 4.1, 4.8, 3], [6, 8, 3.1, 1.2], color='b', marker='^')

ax.set_title('axes2')

ax.set_xlabel('X')

ax.set_ylabel('Y')

plt.show()

3. 子图的绘制

子图的绘制有两种方式，pyplot方式和axes面向对象的方式。

pyplot方式：subplot函数

subplot(nrows, ncols, index, **kwargs)

axes方式一：add_subplot函数

add_subplot(nrows, ncols, index, **kwargs)

axes方式二：subplots函数

fig, ax = plt.subplots(ncols=列数, nrows=行数[, figsize=图片大小, ...])

# pyplot方式

plt.figure()

X = np.arange(0.01, 10, 0.01)

# 分成2*2，占用第1个子图

plt.subplot(221)

plt.plot(X, np.sin(X), 'r-')

# 分成2*2，占用第2个子图

plt.subplot(222)

plt.plot(X, np.cos(X), 'g-')

# 分成2*1，占用第2个子图(即占用2*2第3、4子图)

plt.subplot(212)

plt.bar(np.arange(6), np.array([2, 4, 1, 6, 3, 8]))

plt.suptitle('pyplot')

plt.show()

# axes方式一：add_subplot

# 参数同plt.subplot一致

fig = plt.figure()

ax1 = fig.add_subplot(221)

ax1.plot(X, np.sin(X), 'r-')

ax2 = fig.add_subplot(222)

ax2.plot(X, np.cos(X), 'g-')

ax3 = fig.add_subplot(212)

ax3.bar(np.arange(6), np.array([2, 4, 1, 6, 3, 8]))

fig.suptitle('add_subplot')

plt.show()

# axes方式二：subplots

# 相比add_subplot，函数调用比较简洁，但是不能自定义子图布局

fig, ax = plt.subplots(ncols=2, nrows=2, figsize=(8, 6))

X = np.arange(0.01, 10, 0.01)

ax[0, 0].plot(X, 2 * X - 1)

ax[0, 0].set_title("Linear")

ax[0, 1].plot(X, np.log(X))

ax[0, 1].set_title("Log")

ax[1, 0].plot(X, np.exp(X))

ax[1, 0].set_title("Exp")

ax[1, 1].plot(X, np.sin(X))

ax[1, 1].set_title("Sin")

fig.suptitle('subplots')

plt.show()

4. 导出矢量图

plt.figure()

plt.plot(np.arange(6))

# pdf 格式

plt.savefig('./filename.pdf',format='pdf')

# svg 格式

plt.savefig('./filename.svg',format='svg')

三、Seaborn基础

Seaborn 要求原始数据的输入类型为 pandas 的 DataFrame 或 Numpy 数组，画图函数一般为如下形式

sns.图名(x='X轴 列名', y='Y轴 列名', data=原始数据df对象)

sns.图名(x='X轴 列名', y='Y轴 列名', hue='分组绘图参数', data=原始数据df对象)

sns.图名(x=np.array, y=np.array[, ...])

Seaborn有五个预设好的主题(style)：darkgrid, whitegrid, dark, white,和ticks(四周加边框和刻度)。它们各自适用于不同的应用和个人喜好。缺省的主题是darkgrid。

有4种预设好的上下文(context),按相对大小排序分别是:paper, notebook, talk,和poster.缺省的规模是notebook

颜色(palette)有：muted(常用)，RdBu，Blues_d，Set1等

通过sns.set()设置主题、上下文、调色板等，例：

sns.set(style='white', context='talk', palette="muted", color_codes=True)

四、绘图实例

# 加载数据

iris = sns.load_dataset('iris')

titanic = sns.load_dataset('titanic')

tips = sns.load_dataset('tips')

iris.head()

titanic.head()

tips.head()

1. 散点图

pandas作图

iris.plot(x='sepal_length', y='sepal_width', kind='scatter')

matplotlib作图

使用plt.scatter()方法来做散点图，第一个参数作为x轴，第二参数作为y轴，注意两个参数都只能是列表数据或者Series

plt.scatter(iris['sepal_length'], iris['sepal_width'])

seaborn作图

seaborn中有两个散点图，一个是普通的散点图，另一个是可以看出分布密度的散点图

# 普通的散点图

sns.stripplot(y="sepal_width", data=iris)

# 带分布密度的散点图

sns.swarmplot(y="sepal_width", data=iris)

2. 条形图

pandas作图

# kind='barh'水平条形图

titanic.pclass.value_counts().plot(kind='bar')

matplotlib作图

plt.bar(np.arange(8), np.array([1, 4, 2, 3, 3, 5, 6, 3]))

seaborn作图

# barplot的统计函数，默认是变量的均值 estimator=np.mean

sns.barplot(x='day', y='total_bill', data=tips)

# 绘制变量中位数的条形图，estimator指定统计函数

sns.barplot(x='day', y='total_bill', hue='sex', data=tips, estimator=np.median)

# 统计图countplot,对因子变量计数，然后绘制条形图

sns.countplot(x='pclass', data=titanic)

3. 直方图

要制作直方图，首先把X轴的值的范围等分成多个间隔，然后数出每个间隔中包含的值的数量，然后把该数量作为Y轴的值。

pandas作图

iris.hist('sepal_width', by='species',layout=(1,3), bins=8)

iris.plot(y='sepal_width', kind='hist')

matplotlib作图

plt.hist(iris['sepal_width'])# 若设置参数density=True，则计算概率密度值

(array([ 4., 7., 22., 24., 37., 31., 10., 11., 2., 2.]),

array([2. , 2.24, 2.48, 2.72, 2.96, 3.2 , 3.44, 3.68, 3.92, 4.16, 4.4 ]),

)

seaborn作图

# 默认既绘制核密度曲线，也绘制直方图

# 直方图hist=True，核密度曲线kde=True

sns.distplot(iris['sepal_width'])

4. 核密度图

pandas作图

iris.plot(y='sepal_width', kind='kde')

seaborn作图

# 单变量

sns.kdeplot(iris['sepal_width'])

# 双变量密度图，相当于等高线图了

# shade 参数改用颜色深浅表示密度的大小

sns.kdeplot(iris['sepal_width'], iris['sepal_length'], shade=True)

5. 箱线图

箱型图是一种用作显示一组数据分散情况资料的统计图，基于五数概括法(最小值，第一个四分位数，第二个四分位数(中位数)，第三个四分位数，最大值)的数据的一个图形汇总，还需要用到四分位数间距IQR = 第三个四分位数 - 第一个四分位数。

pandas作图

iris.boxplot(column='sepal_width', by='species')

iris.plot(y='sepal_width', kind='box')

matplotlib作图

plt.boxplot(iris['sepal_width'])

seaborn作图

# 单变量箱线图

sns.boxplot(y='total_bill', data=tips)

# 分组箱线图，两层分组，第一层分组因子是day，在x轴不同位置绘制，第二层分组因子是sex，不同的因子用不同颜色区分

# 相当于分组之后又分组

sns.boxplot(x='day', y='total_bill', hue='sex', data=tips)

6. 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(在概率论中用来估计未知的密度函数，属于非参数检验方法之一)。

matplotlib作图

plt.violinplot(tips['total_bill'])

seaborn作图

sns.violinplot(y='total_bill', data=tips)

# 分组

sns.violinplot(x='day', y='total_bill', data=tips)

sns.despine()# 不显示网格边框线

# 二次分组，各取一半组成一个小提琴图

sns.violinplot(x="day", y="total_bill", hue="sex", data=tips, split=True,

inner="quart")

sns.despine(left=True)

7. 双变量关系图jointplot

# kind参数可以使用不同的图形反应两变量的关系，比如点图，线图，核密度图

# 默认绘制双变量的散点图，计算两个变量的直方图，计算两个变量的相关系数和置信度

# kind : { “scatter” | “reg” | “resid” | “kde” | “hex” }

sns.jointplot(x='total_bill', y='tip', data=tips)

# 核密度

sns.jointplot(x='total_bill', y='tip', data=tips, kind='kde')

8. 回归图

# 默认scatter=True, fit_reg=True

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

# 分组的线性回归图，通过hue参数控制

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

# col, row控制分组子图

sns.lmplot(x="total_bill", y="tip", row="sex", col="time", data=tips, size=3)

9. pairplot 图

两两组合多个特征做出多个对比图

sns.pairplot(iris, vars=['sepal_length', 'sepal_width', 'petal_length'], hue="species")

10. heatmap 图

heatmap 图一般用来描述 feature 的相关性矩阵

sns.heatmap(iris.corr(), square=True, annot=True)

# 美化

colormap = plt.cm.viridis

plt.figure(figsize=(6,6))

sns.heatmap(iris.corr(),linewidths=0.1, square=True, cmap=colormap, linecolor='white', annot=True)

参考资料