数据可视化——seaborn绘图01

seaborn绘图01

论文里的可视化可以用这个画

http://seaborn.pydata.org/

seaborn可绘制漂亮的图表
seaborn是数据分析而设置的绘图库
seaborn能与Pandas很好结合

安装：
用pip命令安装seaborn：pip install seaborn

import seaborn as sns
sns.version #检查是否安装成功

Seaborn绘制图表分类

分类图:柱状图barplot、箱线图boxplot、小提琴图viol inplot、散点图(stripplot、 swarmplot)、以及分面网格(FacetGrid)、分类图catplot。

关联图:散点图scatterplot、线图lineplot，以及分面网格(FacetGrid)、关联图relplot。

分布图:单变量分布图distplot、密度图kdeplot。

矩阵图:热力图heatmap、聚类图clustermap。

回归图:线性回归图regplot和分面网格(FacetGrid) 线性回归图lmplot。

分面网格图: FacetGrid。

Seaborn内置数据集

Seaborn内置数据集可以通过load_dataset函数加载数据集，返回DataFrame对象，语法如下:

**seaborn.load_dataset(name,cache=True,data_home=None, kws)

name参数是数据集名字

data定义数据集名。

cache 参数是否提供缓存。

data_home 参数是指定缓存路径，默认当前用户home下的seaborn-data目录中。

sns.get_dataset_names()获得数据集名字

plt.bar([1,2,3,4,5],[3,6,9,2,5]) #原始的柱状图

Seaborn中有五种可供选择的主题：

1.darkgrid（灰色网格）
2.whitegrid（白色网格）
3.dark（黑色）
4.white（白色）
5.ticks（十字叉）

sns.set_style("darkgrid") #主题设置
plt.bar([1,2,3,4,5],[3,6,9,2,5])

sns.set_style("whitegrid") #主题设置
plt.bar([1,2,3,4,5],[3,6,9,2,5])

sns.set_style("ticks") #主题设置
plt.bar([1,2,3,4,5],[3,6,9,2,5])

sns.set_style("white") #主题设置
plt.bar([1,2,3,4,5],[3,6,9,2,5])
sns.despine()  #去除seaborn图脊，默认去除上边和右边

sns.set_style("white") #主题设置
plt.bar([1,2,3,4,5],[3,6,9,2,5])
sns.despine(left=True,bottom=True)  #去除seaborn图脊，默认去除上边和右边

sns.set_style("white") #主题设置
plt.bar([1,2,3,4,5],[3,6,9,2,5])
sns.despine(left=True,bottom=True)  #去除seaborn图脊，默认去除上边和右边
plt.xticks([])
plt.yticks([])

sns.set_style('darkgrid',{'font.sans-serif':['SimHei','Arial']})  #防止出现乱码，不添加这行，“柱状图”三个字就显示不出来
plt.bar([1,2,3,4,5],[3,6,9,2,5])
plt.title("柱状图")

sns.set_context("notebook")
plt.bar([1,2,3,4,5],[3,6,9,2,5])
plt.title("柱状图")

seaborn有四种预设，按相对尺寸的顺序(线条越来越粗)。
分别是paper，notebook, talk, and poster。

notebook的样式是默认的，上面的绘图都是使用默认的notebook预设。

Seaborn调色板

在seaborn中颜色主要分为连续渐变色板和离散分类色板。
分类色板，主要用color_palette()函数。

• color_palette()能传入任何Matplotlib所支持的颜色
• color_palette()不写参数则为默认颜色
• set_palette()设置所有图的颜色
  6个默认的颜色循环主题： deep, muted, pastel, bright, dark, colorblind

#color_palette方法返回磨人的调色板信息
current_palette = sns.color_palette()
print(current_palette)

sns.palplot(current_palette)

sns.barplot([1,2,3],[3,8,1],[9,6,5])

sns.palplot(sns.color_palette("deep"))

sns.palplot(sns.hls_palette(8 , l = .8, s = .5))
#l = 亮度
#s = 饱和度

#使用自定义颜色,构造颜色板
color=['red','orange','yellow','green','pink','blue','black',]
print(sns.color_palette(color))
sns.palplot(sns.color_palette(color))

#颜色渐变的调色板
sns.palplot(sns.color_palette("Blues"))#后面的颜色是可以自己调的

cubehelix_palette()

按照线性增长计算，设置颜色

sns.palplot(sns.cubehelix_palette(8, gamma = 2))
sns.palplot(sns.cubehelix_palette(8, start = .5, rot = -.75))
sns.palplot(sns.cubehelix_palette(8, start = 2, rot = 0, dark = 0, light = .95, reverse = True))

#n_colors—> 颜色个数
#start —> 值区间在0-3，开始颜色
#rot —> 颜色旋转角度
#gamma —> 颜色伽马值，越大颜色越暗
#dark,light —> 值区间0-1，颜色越深
#reverse —> 布尔值，默认为False，由浅到深

#一个交互式的方法
sns.choose_cubehelix_palette()

aa = sns.choose_cubehelix_palette(as_cmap=True)