Seaborn绘图库

1.Seaborn----绘制统计图形

之前已经学过Matplotlib画图库，但是其缺点是函数和参数太多，以至于使用的时候非常复杂。因此，基于Matplotlib库的Seaborn就出现了，使用它在画图时将会更加简便，图像也更加好看。但是要知道，seaborn只是对matplotlib的提高，并不能代替。

安装seaborn库，并在使用的时候import导入

pip3 install seaborn

import seaborn as sns

2.可视化数据的分布

当我们需要处理数据的时候，第一步肯定是先了解变量是如何分布的，是一维数组还是二维数组等等。对于单变量(一维数组)，可以使用直方图或核密度曲线；对于双变量(二维数组)，可以使用散点图、直方图、核密度估计图等。

核密度图类似概率密度曲线，曲线下的面积为1

3.Seaborn绘图

三种方式：

• plt.style.use('seaborn')

• sns.set(context=‘notebook’, style=‘darkgrid’, palette=‘deep’, font_scale=1)

  • style：风格，有五种默认风格**“darkgrid，whitegrid，dark，white，ticks”**
  • sns.despine()：移除边缘线
  • context：绘图元素比例**“paper、notebook、talk、poster”**
  • palette：分类画板“deep、muted、pastel、bright、dark、colorblind”

• 调用seaborn函数（对于复杂图）

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np
# 第一种：
# plt.style.use('seaborn')
# 第二种：
sns.set(context='notebook', style='darkgrid', palette='muted', font_scale=1.2)
# 注意，一定要把plt.style.use('seaborn')或sns.set()放在前两句的前面，否则会被覆盖！
# 设置显示中文字体
plt.rcParams['font.sans-serif'] = ["SimHei"]
# 设置正常显示符号
plt.rcParams["axes.unicode_minus"] = False
# 获取数据
data=pd.read_csv('./data/Student_score.csv')
# 第三种
# sns.barplot(x="姓名", y="总分", data=data)
plt.bar(x="姓名", height="总分", data=data)
# 添加x，y刻度
plt.yticks(range(0,300,10))
# 添加描述信息
plt.xlabel("姓名")
plt.ylabel("分数")
plt.title("成绩表柱状图",fontsize=20)
# 保存图像
plt.savefig('./images/成绩柱状图_plt.style.use.png')
plt.show()

当使用sns.barplot(x=“姓名”, y=“总分”, data=data)时，不需要再设置x轴和y轴的描述信息，因为已经默认产生

plt.bar

(1)plt.style.use(‘seaborn’)

(2)sns.set()

(3)seaborn函数

①折线图sns.lineplot(x,y)

sns.lineplot(x,y)

②散点图sns.scatterplot(x,y,data,hue,marker)

• data：数据
• hue：色调：分组变量，将产生不同颜色的点
• markers：标记，确定如何为对象的不同级别绘制标记“风格”的变量。设置为’ ’ True ’ '将使用默认标记

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np
# 设置显示中文字体
plt.rcParams['font.sans-serif'] = ["SimHei"]
# 设置正常显示符号
plt.rcParams["axes.unicode_minus"] = False
# 获取数据
data=pd.read_csv('./data/Student_score.csv')
sns.scatterplot(x="姓名", y="总分",hue="性别", data=data)

# 添加x，y刻度
plt.yticks(range(0,300,10))
# 添加描述信息
plt.title("成绩表柱状图",fontsize=20)
# 保存图像
plt.savefig('./images/成绩柱状图_sns.scatterplot.png')
plt.show()

3.绘制单变量分布图sns.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None, color=None)

• a：表示要观察的数据，可以是 Series、一维数组或列表。
• bins：用于控制条形的数量。
• hist：接收布尔类型，表示是否绘制(标注)直方图。
• kde：接收布尔类型，表示是否绘制高斯核密度估计曲线。
• rug：接收布尔类型，表示是否在支持的轴方向上绘制rugplot。

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns
data= np.random.randn(100)  # 生成随机数组
sns.distplot(a=data, bins=10, hist=True, kde=True, rug=True)  # 绘制直方图

图像中x轴上小细线为核密度估计曲线

核密度估计是在概率论中用来估计未知的密度函数，属于非参数检验方法之一，可以比较直观地看出数据样本本身的分布特征。

采用直方图可以比较直观地展现样本数据的分布情况，不过，直方图存在一些问题，它会因为条柱数量的不同导致直方图的效果有很大的差异。为了解决这个问题，可以绘制核密度估计曲线进行展现。

# 绘制核密度估计曲线，即不显示直方图
sns.distplot(a=data, bins=10, hist=False, kde=True, rug=True) 

4.绘制双变量分布图sns.jointplot(x, y, data=None, kind='scatter', stat_func=None, color=None,ratio=5, space=0.2, dropna=True)

• kind：表示绘制图形的类型。
• stat_func：用于计算有关关系的统计量并标注图。
• color：表示绘图元素的颜色。
• size：用于设置图的大小(正方形)。
• ratio：表示中心图与侧边图的比例。该参数的值越大，则中心图的占比会越大。
• space：用于设置中心图与侧边图的间隔大小。

(1)散点图

import numpy as np
import pandas as pd
import seaborn as sns
# 创建DataFrame对象
data= pd.DataFrame({"x": np.random.randn(500),"y": np.random.randn(500)})
	# 这样创建，会使得可以直接打印x、y轴
# 绘制散布图
sns.jointplot(x="x", y="y", data=data)

(2)二维直方图

二维直方图类似于“六边形”图，**从六边形颜色的深浅，可以观察到数据密集的程度，另外，图形的上方和右侧仍然给出了直方图。**适用于较大的数据集。

jointplot()函数时，传入参数kind="hex"，就可以绘制二维直方图，具体示例代码如下。

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

(3)核密度估计曲线

利用核密度估计同样可以查看二元分布，其用等高线图来表示。通过观等高线的颜色深浅，可以看出哪个范围的数值分布的最多，哪个范围的数值分布的最少.另外，在图形的上方和右侧给出了核密度曲线图。

jointplot()函数传入参数kind="kde"，就可以绘制核密度估计曲线，具体示例代码如下。

通过fill=True选择是否填充图像颜色，并且需要指定thresh=0是否要用颜色填充可用空间。

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

5.绘制成对双变量分布图

要想绘制多个成对的双变量分布，则可以使用pairplot(data)函数。该函数会创建一个坐标轴矩阵，并且显示Datafram对象中每对变量的关系。另外，pairplot()函数也可以绘制每个变量在对角轴上的单变量分布。

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np
# 设置显示中文字体
plt.rcParams['font.sans-serif'] = ["SimHei"]
# 设置正常显示符号
plt.rcParams["axes.unicode_minus"] = False
# 获取数据
data=pd.read_csv('./data/Student_score.csv')
sns.pairplot(data)
# # 保存图像
plt.savefig('./images/成对双变量分布图seaborn.png')
plt.show()

6.分类数据绘图

(1)分类数据散点图

① sns.stripplot(x, y, hue, data, jitter=False)

• x，y，hue：用于绘制长格式数据的输入。
• data：用于绘制的数据集。如果x和y不存在，则它将作为宽格式，否则将作为长格式。
• jitter：表示抖动的程度(仅沿类別轴)。当很多数据点重叠时，可以指定抖动的数量或者设为True使用默认值。

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np
# 设置显示中文字体
plt.rcParams['font.sans-serif'] = ["SimHei"]
# 设置正常显示符号
plt.rcParams["axes.unicode_minus"] = False
# 获取数据
data=pd.read_csv('./data/Student.csv')
sns.stripplot(x="年龄", y="政治", data=data)
# 添加x，y刻度
plt.yticks(range(0,100,10))
# 添加描述信息
plt.title("成绩散点图",fontsize=20)
# 保存图像
plt.savefig('./images/成绩散点图seaborn.png')
plt.show()

②swarmplot(x, y, hue, data)

swarmplot函数的优点是所有的数据点都不会重叠，可以很清晰地观察到数据的分布情况

(2)分类数据的分布图

①箱型线sns.boxplot(x, y, hue, data, palette, orient,saturation=0.75, width=0.8)

• palette：用于设置不同级别色相的颜色变量。---- palette=[“r”,“g”,“b”,“y”]
• saturation：用于设置数据显示的颜色饱和度。---- 使用小数表示

又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np
# 设置显示中文字体
plt.rcParams['font.sans-serif'] = ["SimHei"]
# 设置正常显示符号
plt.rcParams["axes.unicode_minus"] = False
# 获取数据
data=pd.read_csv('./data/Student.csv')
sns.boxplot(x="年龄", y="政治", data=data,saturation=0.75, width=0.8)

# 添加x，y刻度
plt.yticks(range(0,100,10))
# 添加描述信息
plt.title("成绩箱型线图",fontsize=20)
# 保存图像
plt.savefig('./images/成绩箱型线图.png')
plt.show()

由上图可知：

• 21岁有一个数据小于60的异常值
• 23岁有一个大于70的异常值
• 24岁有一个小于60的异常值

②小提琴图sns.violinplot(x, y, hue, data)

小提琴图用于显示数据分布及其概率密度。结合了箱形图和密度图的特征，主要用来显示数据的分布形状。

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np
# 设置显示中文字体
plt.rcParams['font.sans-serif'] = ["SimHei"]
# 设置正常显示符号
plt.rcParams["axes.unicode_minus"] = False
# 获取数据
data=pd.read_csv('./data/Student.csv')
sns.violinplot(x="年龄", y="政治",hue='性别', data=data)

# 添加x，y刻度
plt.yticks(range(0,100,10))
# 添加描述信息
plt.title("成绩小提琴图",fontsize=20)
# 保存图像
plt.savefig('./images/成绩小提琴图.png')
plt.show()

由上图可知：

• 21岁女生位于70左右的比较多
• 22岁女生位于65左右的比较多

(3)分类数据的统计估算图

①柱状图sns.barplot(x,y,hue,data,color,orient)

• hue：色调：分组变量，将产生不同颜色的点
• orient：图的显示方向(垂直v或水平h,即横向或纵向)，默认为垂直
• color:matplotlib颜色

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np
# 设置显示中文字体
plt.rcParams['font.sans-serif'] = ["SimHei"]
# 设置正常显示符号
plt.rcParams["axes.unicode_minus"] = False
# 获取数据
data=pd.read_csv('./data/Student_score.csv')
sns.barplot(x="姓名", y="总分",hue="性别", data=data)
# 添加x，y刻度
plt.yticks(range(0,300,10))
# 添加描述信息
plt.title("成绩表柱状图",fontsize=20)
# 保存图像
plt.savefig('./images/成绩柱状图seaborn.png')
plt.show()

②点图sns.pointplot(x, y,hue, data)

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np
# 设置显示中文字体
plt.rcParams['font.sans-serif'] = ["SimHei"]
# 设置正常显示符号
plt.rcParams["axes.unicode_minus"] = False
# 获取数据
data=pd.read_csv('./data/Student_score.csv')
sns.pointplot(x="姓名", y="总分", data=data)
# 添加x，y刻度
plt.yticks(range(0,300,10))
# 添加描述信息
plt.title("成绩表点图",fontsize=20)
# 保存图像
plt.savefig('./images/成绩表点图seaborn.png')
plt.show()

(4)回归图seaborn.lmplot(x, y, data, hue )

线性回归是最原始的回归，用来做数值类型的回归，可以利用它来构建模型并通过构件的模型来进行预测。借助可视化技术，我们可以快速判断一组数据是否属于线性回归。

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np
# 设置显示中文字体
plt.rcParams['font.sans-serif'] = ["SimHei"]
# 设置正常显示符号
plt.rcParams["axes.unicode_minus"] = False
# 获取数据
data=pd.read_csv('./data/Student.csv')
sns.lmplot(x="数学", y="总分", data=data)
# 添加x，y刻度
plt.yticks(range(0,501,50))
# 添加描述信息
plt.title("成绩回归图",fontsize=20)
# 保存图像
plt.savefig('./images/成绩回归图.png')
plt.show()