【seaborn】基础介绍、函数汇总、总结

---

Introduction

• seaborn 默认使用的是 pandas 的 DataFrame 数据格式
• seaborn 有自己的内置数据集，可以直接调用，函数为sns.load_dataset()
• 如果使用pycharm，需要最后使用 plt.show() 才能展示图片

下面将分成几个部分介绍 seaborn

序号	绘图类型名称	说明
1	Relational plots（关系图）	用来表示两个连续变量的关系
2	Categorical plots（分类图）	表示两个变量之间的关系，其中一个变量是离散的
3	Categorical distribution plots（分类分布图）	表示两个变量之间的关系，两个变量都是是离散的
4	Distribution plots （分布图）	对原变量进行统计计算，展示其统计特征的绘图
5	Regression plots（回归图）	在散点图的基础上，拟合出一条线

---

数据预备

示例数据集 ：https://github.com/mwaskom/seaborn-data

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style='white')  # 指定画板底色

tips = pd.read_csv(r'../input/seaborn-data/tips.csv')
tips.head()

---

1、Relational plots（关系图）

1.1 scatterplot

seaborn.scatterplot(x=None, y=None, hue=None, style=None, size=None, 
data=None, palette=None, hue_order=None, hue_norm=None, sizes=None, 
size_order=None, size_norm=None, markers=True, style_order=None,
 x_bins=None, y_bins=None, units=None, estimator=None, ci=95, n_boot=1000, 
 alpha='auto', x_jitter=None, y_jitter=None, legend='brief', ax=None, **kwargs)

• data：指定数据集，一般是 dataframe 数据格式
• x，y：传入的数据，分别指定 data的两列
• hue： 指定类别，以不同的颜色绘制。（非必需，但可以配合参数 palette 使用）
• style：指定类别，以不同的样式绘制 。（非必需，但可以配合参数 makers 使用）
• size： 指定类别，以不同的标记大小绘制。 （非必需，但可以配合参数 sizes 使用）
• palette：调色板，可选值有：
• markers：绘图的形状，可选值有：
• sizes：会图点（或特殊样式标记）的大小，可选值有
• alpha：透明度
• x_jitter，y_jitter：设置点的抖动程度。
• ci：允许的误差范围（空值误差的百分比，0-100之间），可为‘sd’，则采用标准差（默认95）；
• n_boot（int）：计算置信区间要使用的迭代次数；

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

1.1.1 指定标记点颜色 （参数hue 和 参数palette 的使用）

1）hue 指定离散的非数字值，比如 “time”，取值为 Dinner、Lunch

sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time")

2）如果hue指定的变量是数字，且语义映射是定量的，图例会按枚举值列出来

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

3）如果hue指定参数为大量唯一的数值，图例将显示一个具有代表性的等间距集合

tip_rate = tips.eval("tip / total_bill").rename("tip_rate")
sns.scatterplot(data=tips, x="total_bill", y="tip", hue=tip_rate)

4）hue 配合参数palette来指定颜色
简单说下palette可选择的值: deep、muted、bright、pastel、drak、colorbind

sns.scatterplot(data=tips, x="total_bill", y="tip", hue="size", palette="deep")

1.1.2 指定标记点样式 （参数style 和 参数markers 的使用）

makers 的样式汇总

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

# hue 和 style 分别指定两个不同的变量
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="day", style="time")

# 配合参数 makers 使用， 指定标记样式
markers = {"Lunch": "s", "Dinner": "X"}
sns.scatterplot(data=tips, x="total_bill", y="tip", style="time", markers=markers)

1.1.3 指定标记点大小 （参数size 和 参数sizes 的使用）

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

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

1.1.4 其他参数的使用

控制标记区域的大小范围，设置legend ="full"强制每个唯一的值出现在图例中

sns.scatterplot(data=tips, x="total_bill", y="tip", hue="size", 
                size="size", sizes=(20, 200), legend="full")

如果需要分子图绘制，则需要使用函数 sns.relplot(), 指定kind=“scatter” ， 参数 col 用来指定需要分图绘制的维度

sns.relplot(data=tips, x="total_bill", y="tip", col="time", hue="day", style="day",kind="scatter")

---

2、Categorical plots（分类图）

• stripplot
• swarmplot
• boxplot
• violinplot

---

3、Categorical distribution plots（分类分布图）

• barplot

• piontplot

• countplot：只可以指定一个变量

• catplot：可以通过kind参数来指定画什么图形，kind可取值 ‘strip’, ‘swarm’, ‘box’, ‘violin’，‘point’ ,‘count’, ‘bar’

---

4、Distribution plots （分布图）

• distplot
• kdeplot
• jointplot
• pairplot

---

5、Regression plots（回归图）

• lmplot
• regplot

---

6、Matrix plots（矩阵图）

• heatmap
• clustermap

---

7、FacetGrid

8、PairGrid

---

3、样式设置