python中seaborn安装方法-Seaborn安装入门及常用方法

Seaborn是基于matplotlib产生的一个模块，专攻于统计可视化，可以和pandas进行无缝链接，使初学者更容易上手。相对于matplotlib，Seaborn语法更简洁，两者关系类似于numpy和pandas之间的关系。

2.1安装：

1)linux系统

sudo pip install seaborn

2)window系统

pip install seaborn

2.2快速入门

import  as sns

sns.set(style="ticks")

from matplotlib import pyplot

# 加载数据集

tips = sns.load_dataset("tips")

# 绘图

sns.boxplot(x="day", y="total_bill", hue="sex", data=tips, palette="PRGn")

sns.despine(offset=10, trim=True)

#图片展示与保存

pyplot.savefig("GroupedBoxplots.png")

pyplot.show()

2.3seaborn常用方法

1、单变量分析绘图

1）分布的集中趋势，反映数据向其中心值靠拢或聚集的程度

x = np.random.normal(size=100)

sns.distplot(x, kde=True)# kde=False关闭核密度分布, rug表示在x轴上每个观测上生成的小细条（边际毛毯）

2、观测两个变量之间的分布关系最好用散点图

1）直接拟合概率密度函数

sns.jointplot(x="x", y="y", data=df, kind="kde")

2）能够更加直观反映点的分布情况

hex图 (数据量大的时候)¶

最好黑白相间

数据量大时候，用hex图，分辨出哪块更多(颜色深浅)

mean, cov = [0, 1], [(1, .5), (.5, 1)]

data = np.random.multivariate_normal(mean, cov, 200)

df = pd.DataFrame(data, columns=["x", "y"])

x, y = np.random.multivariate_normal(mean, cov, 1000).T

with sns.axes_style("ticks"):

sns.jointplot(x=x, y=y, kind="hex")

3、多变量两两显示

# 鹃尾花数据iris = sns.load_dataset("iris")

sns.pairplot(iris)

4、Seaborn可视化各种绘图操作

1、盒图 box graph

import matplotlib.pyplot as plt

import numpy as np

盒图关心中位数Q2、四分之一位Q1、四分之三位Q3和离群点¶

IQR = Q3 - Q1

如果Q1-1.5IQR或者Q3+1.5IQR就是离群点

tang_data = [np.random.normal(0, std, 100) for std in range(1,4)]

fig = plt.figure(figsize=(8,6))

plt.boxplot(tang_data, vert=True, notch=True)

plt.xticks([x+1 for x in range(len(tang_data))], ["x1", "x2", "x3"])

plt.xlabel("x")

plt.title("box plot")

import seaborn as sns

import numpy as np

import matplotlib.pyplot as plt

import pandas as pd

2、单特征绘制直方图

1）distplot

x = np.random.normal(size=100)

sns.distplot(x, kde=False, bins=20)

2）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，调用 count 函数的 barplot。

seaborn.countplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=0.75, ax=None, **kwargs)

x, y, hue: names of variables in data or vector data, optional

data: DataFrame, array, or list of arrays, optional

order, hue_order: lists of strings, optional #设置顺序

orient: “v” | “h”, optional #设置水平或者垂直显示

ax: matplotlib Axes, optional #设置子图位置，将在下节介绍绘图基础

3、分析两个特征之间的关系，利用散点图来表达

mean, cov = [0,1], [(1, .5), (.5,1)]

data = np.random.multivariate_normal(mean, cov, 200)

df = pd.DataFrame(data, columns=["X1", "X2"])

sns.jointplot(x="X1", y="X2", data=df)

# kind = "hex"  # 六边形

data = np.random.multivariate_normal(mean, cov, 2000).T

with sns.axes_style("white"):

sns.jointplot(x=data[0], y=data[1], kind="hex", color="k")

4、看两两之间变量的关系

iris = sns.load_dataset("iris")

sns.pairplot(iris)

5、条形图

sns.barplot(x="sex", y="survived", data=titanic, hue="class")

点图，不看集中趋势，就看各自的变化

sns.pointplot(x="sex", y="survived", data=titanic, hue="class")

sns.pointplot(x="class", y="survived", data=titanic, hue="sex", palette={"male":"g","female":"m"}, markers=["^", "o"], linestyles=["-","--"])

tips = sns.load_dataset("tips", data_home=".")

# jitter 震动

sns.stripplot(x="day", y="total_bill", data=tips, jitter=True)

sns.swarmplot(x="day", y="total_bill", data=tips)

sns.swarmplot(x="day", y="total_bill", data=tips, hue="sex")

sns.swarmplot(x="day", y="total_bill", data=tips, hue="time")

6、盒图

sns.boxplot(x="day", y="total_bill", data=tips, hue="time")

7、小提琴图

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

sns.violinplot(x="day", y="total_bill", data=tips, inner=None, split=True)

sns.swarmplot(x="day", y="total_bill", data=tips, color="k", alpha=1.0)

8、热力图通过颜色一目了然的指定值的大小，以及变化的趋势

uniform_data = np.random.rand(3,3)

sns.heatmap(uniform_data)

sns.heatmap(uniform_data, vmin=0.2, vmax=0.5)

normal_data = np.random.randn(3,3)

sns.heatmap(normal_data, center=0)

flights = sns.load_dataset("flights")

data = flights.pivot("month", "year", "passengers")

sns.heatmap(data)

sns.heatmap(data, annot=True, fmt="d", linewidths=.5, cbar=False, cmap="YlGnBu")

9、设置画图的整体风格

def sin_plot(flip=1):

x = np.linspace(0, 14, 100)

for i in range(1,7):

plt.plot(x, np.sin(x+i*.5)*(7-i)*flip)

sin_plot()

10、有五种主题风格，darkgrid whitegrid dark white ticks

sns.set_style("darkgrid")

data = np.random.normal(size=(20,6)) + np.arange(6) / 2

sns.boxplot(data=data)

11、每一个子图的风格都可以不一样，with里面一个风格，外面一个风格

with sns.axes_style("whitegrid"):

plt.subplot(211)

sin_plot()

plt.subplot(212)

sin_plot(-1)

12、布局的风格

sns.set_context("paper")

plt.figure(figsize=(8,6))

sin_plot()

sns.set_context("talk")

plt.figure(figsize=(8,6))

sin_plot()

sns.set_context("poster")

plt.figure(figsize=(8,6))

sin_plot()

sns.set_context("notebook", font_scale=3.5, rc={"lines.linewidth": 4.5})

plt.figure(figsize=(8,6))

sin_plot()