seaborn封裝-对每个特征绘制单独子图进行快速可视化
一、数值特征分布图：箱线图、直方图、密度图
二、数值特征估计图：柱状图
三、离散特征统计图：柱状图、饼图
作者封装了一些常用于可视化分析每个特征的特征分布等的函数，便于遇到类似的问题能够快速进行可视化，接下来作者会给出每个封装函数的具体程序以及使用方法，便于需要者快速绘制效果图。
首先调用鸢尾花数据集：
# 所需模块
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import random
# sns.set()全局风格设置 simhei显示中文
sns.set_style('whitegrid',rc = {'font.family': 'SimHei'})
# 调用鸢尾花数据集
from sklearn import datasets
iris = datasets.load_iris()
data = iris.data
data = pd.DataFrame(data,columns = iris.feature_names)
data['label'] = iris.target
data['label'].replace({0:iris.target_names[0],1:iris.target_names[1],2:iris.target_names[2]},inplace = True)
data
获取颜色
def get_colors(color_style):
cnames = sns.xkcd_rgb
if color_style =='light':
colors = list(filter(lambda x:x[:5]=='light',cnames.keys()))
elif color_style =='dark':
colors = list(filter(lambda x:x[:4]=='dark',cnames.keys()))
elif color_style =='all':
colors = cnames.keys()
colors = list(map(lambda x:cnames[x], colors))
return colors封装函数通用参数介绍：
data：传入dataframe类型数据
rows：子图行数
cols：子图列数
figszie：画布大小
vars：所涉及的特征（参考seaborn绘图函数中的vars）
hue：分类类别
color_style = 'light'：可指定参数'all'、'light'、'dark'，分别代表随机所有颜色、亮、暗。
subplots_adjust：调整子图横竖的间隔
一、数值特征分布图：箱线图、直方图、密度图
1、箱线图：快速对数值型数据进行箱线图绘制，分析其特征分布、均值、异常值等。
参数：width:箱线宽度
def boxplot(data, rows = 3, cols = 4, figsize = (13, 8), vars =None, hue = None, width = 0.25,
order = None, color_style ='light',subplots_adjust = (0.2, 0.2)):
fig = plt.figure(figsize = figsize)
hue = data[hue] if isinstance(hue,str) and hue in data.columns else hue
data = data if not vars else data[vars]
colors = get_colors(color_style)
ax_num = 1
for col in data.columns:
if isinstance(data[col].values[0],(np.int64,np.int32,np.int16,np.int8,np.float16,np.float32,np.float64)):
plt.subplot(rows, cols, ax_num)
sns.boxplot(x = hue,y = data[col].values,color=random.sample(colors,1)[0],width= width,order = order)
plt.xlabel(col)
# data[col].plot(kind = 'box',color=random.sample(colors,1)[0])
ax_num+=1
plt.subplots_adjust(hspace = subplots_adjust[0],wspace=subplots_adjust[1])boxplot(data,2,2,color_style='all')
使用hue参数指定类别：
with sns.axes_style('white'):
boxplot(data,2,2,color_style='all',hue= 'label', width = 0.5)
用于其他数据集效果展示：
2、特征分布图：快速对数值型数据进行直方图、密度图绘制并分析其特征分布情况
参数：
bins：指定直方图直方数
kind：指定绘图类型，默认直方图，可选：hist（直方图）、kde（密度图）、both（直方与密度，在同时指定hue时会报错）
alpht:图像透明度
shade：密度图面积填充
# stat = "count", "frequency", "density", "probability"
def distplot(data, rows = 3, cols = 4, bins = 10, vars = None, hue = None, kind = 'hist',stat = 'count', shade = True,
figsize = (12, 5), color_style = 'all', alpha = 0.7, subplots_adjust = (0.3, 0.2)):
assert kind in ['hist', 'kde','both'], "kind must == 'hist' or 'kde'"
assert stat in ["count", "frequency", "density", "probability"], 'stat must in ["count", "frequency", "density", "probability"]'
fig = plt.figure(figsize = figsize)
hue_name = hue if isinstance(hue,str) or hue==None else hue.name
hue = data[hue] if isinstance(hue,str) and hue in data.columns else hue
data = data if not vars else data[vars]
colors = get_colors(color_style)
ax_num = 1
for col in data.columns:
if isinstance(data[col].values[0],(np.int64,np.int32,np.int16,np.int8,np.float16,np.float32,np.float64)) and col!=hue_name:
plt.subplot(rows, cols, ax_num)
if kind == 'hist':
sns.histplot(x = data.loc[:,col],bins = bins,color=random.sample(colors,1)[0],hue = hue,alpha = alpha,stat = stat)
elif kind == 'kde':
sns.kdeplot(x = data.loc[:,col],color=random.sample(colors,1)[0],alpha = alpha,hue = hue,fill = shade)
else:
sns.distplot(x = data.loc[:,col],color=random.sample(colors,1)[0],kde=True,bins = bins,)
plt.xlabel(col)
ax_num+=1
plt.subplots_adjust(hspace = subplots_adjust[0],wspace=subplots_adjust[1])使用展示：
# 直方图
distplot(data,1,4,color_style='all',bins = 9) 
使用hue参数对每个特征细分类别 ：
distplot(data,2,2,color_style='all',hue='label')
with sns.axes_style('dark'):
# 密度图
distplot(data,2,2,kind = 'kde',color_style='all',shade = True)
使用hue参数对每个特征细分类别 ：
with sns.color_palette('Accent'):
distplot(data,2,2,kind = 'kde',color_style='dark',hue = 'label')
distplot(data,2,2,color_style='all',kind = 'both',bins = 15)
快速用于其他数据效果展示：
二、数值特征估计图：柱状图
（参考sns.barplot）快速对数值型数据根据特定估计函数进行绘制柱状图。
参数：
estimator：估计聚合函数，如np.mean。
show_value：是否展示数值
def barplot(data, rows = 3, cols = 4, hue = None, estimator = np.mean, show_value = False,figsize = (13, 8), vars =None,
color_style ='light',subplots_adjust = (0.2, 0.2)):
fig = plt.figure(figsize = figsize)
hue = data[hue] if isinstance(hue,str) and hue in data.columns else hue
data = data if not vars else data[vars]
colors = get_colors(color_style)
ax_num = 1
for col in data.columns:
if isinstance(data[col].values[0],(np.int64,np.int32,np.int16,np.float16,np.float32,np.float64)):
plt.subplot(rows, cols, ax_num)
AxesSubplot = sns.barplot(x = hue, y= data[col].values,color=random.sample(colors,1)[0],data = data,estimator = estimator)
plt.xlabel(col)
if show_value:
# 标注y轴数值
for container in AxesSubplot.containers:
plt.bar_label(container,padding=8)
ax_num+=1
plt.subplots_adjust(hspace = subplots_adjust[0],wspace=subplots_adjust[1])
使用展示：
barplot(data,2,3,hue= 'label',estimator=np.mean,show_value=True,vars = data.columns[1:3].tolist())
三、离散特征统计图：柱状图、饼图
对离散型特征快速统计离散类别数进行可视化。
离散特征使用数据展示(数据来源于2022全国数学建模C题)：
1、柱状图：
参数：
orient：指定柱状‘v’垂直或‘h’水平。
sort_by：指定按照‘index’或‘value’排序。
ascending: 默认False降序排序，True为升序。
top：int,指定给出top几数据，可配合sort_by、ascending使用取出统计量最高top几的数据。
def count_barplot(data, rows = 3, cols = 4, hue =None, vars = None, show_value = False,sort_by = 'index',
orient='v', top = None, ascending = False, figsize = (10, 8), subplots_adjust = (0.2,0.2)):
fig = plt.figure(figsize = figsize)
hue_name = hue if isinstance(hue,str) or hue==None else hue.name # 取出分类特征名
hue = data[hue] if isinstance(hue,str) and hue in data.columns else hue # 单独取出分类特征
data = data if not vars else data[vars] # 部分特征
ax_num = 1
for col in data.columns:
if isinstance(data[col].values[0], str) and col!=hue_name:
plt.subplot(rows, cols, ax_num)
# 排序
d = data[col].value_counts().sort_values(ascending = ascending) if sort_by =='values' else \
data[col].value_counts().sort_index()
order =d.index.tolist()[:top] # 取出前几
# 垂直或水平
if orient == 'v':
AxesSubplot = sns.countplot(x = col, data = data , hue = hue, order = order,)
elif orient == 'h':
AxesSubplot = sns.countplot(y = col, data = data , hue = hue, order = order,)
# 若由于top而未展示全部数据，则给出top几的标题说明
if top:
ax = plt.gca()
ax.set_title(f'Top {len(order)}') if len(d.index)>top else None
# 标注y轴数值
if show_value:
for container in AxesSubplot.containers:
plt.bar_label(container)
ax_num+=1
plt.subplots_adjust(hspace = subplots_adjust[0],wspace=subplots_adjust[1])
使用展示：
用于其他数据效果展示：
2、饼图：
参数：
qita_percentage_max：小于指定百分比的类别均划分为‘其他’一类。
def count_pieplot(data, rows =None, cols = None, hue =None, vars = None, show_value =False, qita_percentage_max = 0.0,
figsize = (12,8), color_style=None,subplots_adjust = (0.2,0.2)):
hue_name = hue if isinstance(hue,str) or hue==None else hue.name
hue = data[hue] if isinstance(hue,str) and hue in data.columns else hue
labels = pd.unique(data[hue_name]).tolist() if hue_name !=None else [] # 获取类别
labels.remove(np.nan) if np.nan in labels else None # 去除nan值
data = data if not vars else data[vars]
if rows and cols:
pie_rows = rows
pie_cols = cols
elif labels !=None:
pie_rows = len(labels) if len(labels)!=0 else 1 # 子图行数
pie_cols = sum(list(map(lambda x:isinstance(x, str),data.iloc[0, data.columns!=hue_name]))) # 子图列数
labels.append('') if labels==[] else None
fig, axes = plt.subplots(pie_rows, pie_cols, figsize = figsize)
ax = axes.ravel() if (pie_rows != 1) or (pie_cols !=1 ) else [axes]
colors = None if not color_style else np.random.choice(get_colors(color_style),10)
ax_num = 0
for label in labels:
data_ = data[hue==label] if label!='' else data # 取出一个类别的数据
# 对该类别数据每个特征进行统计
for col in data.columns:
if isinstance(data[col].values[0], str) and col!=hue_name:
d = data_[col].value_counts()
d = qita(d,qita_percentage_max = qita_percentage_max)
bingtu(d.index, d.values, ax[ax_num], colors, show_value = show_value)
# ax.pie(d.values, labels = d.values)
ax[ax_num].set_title(label+' '+col, fontsize = 13)
ax_num+=1
plt.subplots_adjust(hspace = subplots_adjust[0],wspace=subplots_adjust[1])
def bingtu(label,shuju,ax,colors = None, show_value = False):
def make_autopct(values):
def my_autopct(pct):
total = sum(values)
val = int(round(pct*total/100.0))
# 同时显示数值和占比的饼图
return '{p:.1f}%\n{v:d}'.format(p=pct,v=val)
return my_autopct
ax.pie(x = shuju, # 绘图数据
explode = None, # 突出显示特定人群
labels=label, # 添加教育水平标签
colors=colors, # 设置饼图的自定义填充色
autopct=make_autopct(shuju) if show_value else '%.1f%%', # 设置百分比的格式，这里保留一位小数
pctdistance=0.7, # 设置百分比标签与圆心的距离
labeldistance = 1.15, # 设置教育水平标签与圆心的距离
startangle = 180, # 设置饼图的初始角度
radius = 1, # 设置饼图的半径
counterclock = False, # 是否逆时针，这里设置为顺时针方向
# 设置饼图内外边界的属性值：linewidth表示饼图内外边框线宽度；width表示饼图内外宽度，可控制生成环形图；edgecolor表示边框线的颜色
textprops = {'fontsize':12, 'color':'k'}, # 设置文本标签的属性值
center = (0,0), # 设置饼图的原点
frame = 0)
def qita(series_counts, qita_percentage_max = 0.05):
qita_sum = 0
for index, value in zip(series_counts.index, series_counts):
if value/sum(series_counts) < qita_percentage_max:
qita_sum += value
series_counts.drop(index,inplace = True)
if qita_sum != 0:
series_counts = pd.concat((series_counts,pd.Series({'其他':qita_sum})))
return series_counts
使用展示:
使用hue时，若rows/cols未指定，将自动指定rows为hue指定特征的类别数，cols为离散特征数。
用于其他数据展示qita_percentage_max参数的功能效果：
如上：使用默认值时，展示所有数据，会导致很多很小数量的数据堆在一起导致可视化效果很不理想，可通过 qita_percentage_max将这些都划分为其他类别，效果如下。
