Seaborn数据可视化——一篇详细的学习记录

系列文章目录

第一章 探索性数据分析之Seaborn数据可视化

---

---

前言

  本文详细简介的记录了利用Seaborn进行可视化操作，数据可视化是数据分析中重要的一步，在前期数据的探索性分析，以及后期结果的呈现中都有着重要地位。更加全面的教学可进入Kaggle Seaborn教学进行学习。

---

一、Seaborn简介

  Python有很多非常优秀易用的数据可视化的库，其中最著名的要数matplotlib了，它有着十几年的历史，至今仍然是Python使用者最常用的画图库。 Seaborn跟matplotlib最大的区别就是它的默认绘图风格和色彩搭配都具有现代美感，其实是在matplotlib的基础上进行了更高级的API封装，让我们能用更少的代码去调用 matplotlib的方法，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。

二、准备阶段

1.导入依赖包

  该博客可视化均以iris数据集为基础，现导入需要的包及数据集。

import pandas as pd
pd.plotting.register_matplotlib_converters()
import matplotlib.pyplot as plt
import seaborn as sns

from sklearn.datasets import load_iris 

其中，第二行代码是为了消除matplotlib与seaborn的冲突警告，详细说明可查看我的博客pd.plotting.register_matplotlib_converters() 的作用。

2.读入数据

  将bunch结构的iris数据集导入，并转换为DataFrame结构方便之后操作。

def bunch2datafram(load_bunchdata):
    df_data = pd.DataFrame(data = load_bunchdata().data,columns = load_bunchdata().feature_names)
    df_data['target'] = load_bunchdata().target
    return df_data
df_data = bunch2datafram(load_iris)

详细的转换讲解可参考博客Bunch转化为DataFrame的一般方法

3.设置样式

  该步骤设置一款自己喜欢的调试板，作为后期作图的基础样式，这里运用的是“mako”，个人觉得还不错，喜欢其他的可去官网找找。

sns.set_theme(palette='mako')   # 设置样式
plt.rcParams['font.sans-serif']=['SimHei'] # 设置适应模式的字体
plt.rcParams['axes.unicode_minus']=False # 解决坐标负数无法显示的问题

这一步也可以不进行，默认的调色板也不错。

三、绘图操作

1.线性图

# Line Charts

plt.figure(figsize=(10,4),dpi=150) # figsize设置长宽比，dpi设置像素
sns.lineplot(data=df_data.iloc[:,0:4])
plt.xlabel("标签序号")
plt.ylabel("值(cm)")
plt.title("Line Chart")

## 下列代码没有实际意义，仅拓展操作思路
# sns.lineplot(data=df_data.iloc[:,0], label=df_data.columns[0])
# sns.lineplot(x=df_data.iloc[:,0],y = df_data.iloc[:,1],hue=df_data["target"])  

示图样例：

设置hue值可分别对各target作线性图，示图样例如下：

plt.figure(figsize=(10,4),dpi=130)
sns.lineplot(x=df_data.iloc[:,0],y = df_data.iloc[:,1],hue=df_data["target"]) 
plt.savefig('F:/test/素材库/seaborn简介教程/图片素材/LineChart2')

2.条形图、热力图

  条形图可观察各属性的平均值，代码如下：

# Bar Charts

plt.figure(figsize=(10,5),dpi=130)
sns.barplot(data=df_data.iloc[:,0:4],width=0.4)
plt.ylabel("value")
plt.title("Bar Chart各属性的平均值")

示图样例：

  热力图可直观的反映各数据大小，代码如下：

# heatmaps
plt.figure(figsize=(10,5),dpi=130)

sns.heatmap(data=df_data.iloc[40:50,0:4],annot=True) # annot：取True显示值；

# 添加图像说明
plt.ylabel("标签序号")
plt.xlabel("属性")
plt.title("HeatMap")

其中设置annot为True即显示图像各小块上面的数值，示图样例如下：

3.散点图

  基础散点图，可直观观察不同属性之间的分布关系。

# Scatter Plot
plt.figure(figsize=(9,4),dpi=130)
sns.scatterplot(x=df_data.iloc[:,0],y= df_data.iloc[:,2])
plt.title("Scatter Plot")

示图样例如下：

  带有线性回归的散点图，在体现不同属性间分布关系的基础上，做出一条回归直线，可直观观测是否存在线性相关，代码如下：

plt.figure(figsize=(7,4),dpi=130)
sns.regplot(x=df_data.iloc[:,0],y= df_data.iloc[:,2])

示图样例如下：

  带标签信息的散点图，可直观体现不同属性不同target间的分布关系，代码如下：

plt.figure(figsize=(9,4),dpi=130)
sns.scatterplot(x=df_data.iloc[:,0],y= df_data.iloc[:,2],hue = df_data["target"])
plt.title("scatter_hue")

示图样例如下：
  带不同标签回归信息的散点图，可直观观测不同属性在不同标签下，是否呈现线性相关，代码如下：

plt.figure(dpi=150)
sns.lmplot(x=df_data.columns[0],y= df_data.columns[2],hue = "target",data=df_data)
plt.title("Scatterplot of regression")

示图样例如下：

  标签箱型散点图，直观呈现各属性值在不同target下的分布情况，同时可作为异常点初步分析的依据。代码如下：

plt.figure(figsize=(7,4),dpi=130)
sns.swarmplot(x=df_data["target"],y=df_data.iloc[:,0])
plt.title("标签箱型散点图")

示图样例如下：

4.分布图

  直方图，频数直方图可反映出属性的集中情况与大致分布，其代码如下：

plt.figure(figsize=(9,4),dpi=130)
sns.histplot(df_data['petal length (cm)'])
plt.title("直方图")

示图样例如下：

  概率密度图（KDE），直观呈现该属性的分布情况，可初步检验是否满足正态分布，代码如下：

#KDE plot 
plt.figure(figsize=(9,4),dpi=130)
sns.kdeplot(data=df_data['petal length (cm)'], fill=True) # fill:取True，填充图形下方。
plt.title("概率密度图")

示图样例如下：
  2维概率密度图（2D KDE），直观呈现两种属性间的整体分布情况，可理解为等高线图，代码如下：

#2D KDE plot
plt.figure(figsize=(9,4),dpi=130)
sns.jointplot(x=df_data['petal length (cm)'], y=df_data['sepal width (cm)'], kind="kde")

示图样例如下：

  带标签信息的直方图，可直观的观测不同target在该属性下的分布情况，可后面类比特征的提取做准备，代码如下：

plt.figure(figsize=(7,4),dpi=130)
sns.histplot(data=df_data,x='petal length (cm)',hue = 'target')
plt.title("带标签的直方图")

示图样例如下：

  带标签信息的概率密度图,可直观的观测该属性下各target的分布情况，代码如下：

plt.figure(figsize=(9,4),dpi=130)
#KDE plots for each species
sns.kdeplot(data=df_data, x='petal length (cm)', hue= 'target', fill=True)

#Add title
plt.title("Distribution of Petal Lengths, by Species")

示图样例如下：

总结

以上就是今天要讲的内容，本文详细的介绍了Seaborn的一般操作，上述记录的方法能较好地满足可视化分析及结果呈现的需求。现对于各种图形的选择，作如下总结：

• Trends - A trend is defined as a pattern of change.
  • sns.lineplot - Line charts are best to show trends over a period of time, and multiple lines can be used to show trends in more than one group.
• Relationship - There are many different chart types that you can use to understand relationships between variables in your data.
  • sns.barplot - Bar charts are useful for comparing quantities corresponding to different groups.
  • sns.heatmap - Heatmaps can be used to find color-coded patterns in tables of numbers.
  • sns.scatterplot - Scatter plots show the relationship between two continuous variables; if color-coded, we can also show the relationship with a third categorical variable.
  • sns.regplot - Including a regression line in the scatter plot makes it easier to see any linear relationship between two variables.
  • sns.lmplot - This command is useful for drawing multiple regression lines, if the scatter plot contains multiple, color-coded groups.
  • sns.swarmplot - Categorical scatter plots show the relationship between a continuous variable and a categorical variable.
• Distribution - We visualize distributions to show the possible values that we can expect to see in a variable, along with how likely they are.
  • sns.histplot - Histograms show the distribution of a single numerical variable.
  • sns.kdeplot - KDE plots (or 2D KDE plots) show an estimated, smooth distribution of a single numerical variable (or two numerical variables).
  • sns.jointplot - This command is useful for simultaneously displaying a 2D KDE plot with the corresponding KDE plots for each individual variable.

https://www.kaggle.com/code/alexisbcook/choosing-plot-types-and-custom-styles