Seaborn：一个样式更好看的Python数据可视化库
简介
Seaborn 是一个基于 Matplotlib 的 Python 数据可视化库，它提供了更高级别的界面和更优雅的默认样式，使得用户能够更轻松地创建各种各样的统计图形。Seaborn 的全名是 “Statistical Data Visualization”，它的目标是使数据可视化更加简单、直观和有效。
Seaborn 的主要特点包括：
- 高度易用：Seaborn 提供了一组高级 API，使得用户可以轻松地创建各种统计图形，而无需关心底层的实现细节。
- 美观的默认样式：Seaborn 提供了一套美观的默认样式，使得生成的图形更具视觉吸引力。
- 紧密集成：Seaborn 与 Pandas 数据结构紧密集成，可以轻松地处理 Pandas 中的数据。
- 高度可定制：Seaborn 提供了丰富的选项，允许用户根据需要定制图形的外观和内容。
Seaborn可以生成哪些图？
Seaborn 是一个比 Matplotlib 集成度更高的绘图库，可以生成一些看起来更高大上的图。
访问 Seaborn 官网https://seaborn.pydata.org/examples/index.html可以查看 Seaborn 生成图表的示例，我截图放在下面。
Seaborn 可以生成的一些常见图形类型，可以参考 Seaborn 的官方文档和示例。官网教程https://seaborn.pydata.org/tutorial.html
以下是 Seaborn 可以生成的一些常见图形类型：
- 散点图（scatter plot）：使用
sns.scatterplot()函数生成散点图，用于展示两个特征之间的关系。 - 柱状图（bar plot）：使用
sns.barplot()函数生成柱状图，用于展示分类数据的频数或百分比。 - 箱线图（box plot）：使用
sns.boxplot()函数生成箱线图，用于展示数据的分布情况，包括最小值、最大值、中位数、四分位数等。 - 热力图（heatmap）：使用
sns.heatmap()函数生成热力图，用于展示数据的相关性或聚类情况。 - 直方图（histogram）：使用
sns.histplot()函数生成直方图，用于展示数据的分布情况，包括频数或概率密度等。 - 小提琴图（violin plot）：使用
sns.violinplot()函数生成小提琴图，用于展示数据的分布情况，包括最小值、最大值、中位数、四分位数等，以及数据的核密度估计。 - 核密度估计图（kernel density estimation plot）：使用
sns.kdeplot()函数生成核密度估计图，用于展示数据的核密度估计。 - 成对图（pair plot）：使用
sns.pairplot()函数生成成对图，用于展示多个特征之间的关系。 - 多元线性回归图（multiple linear regression plot）：使用
sns.lmplot()函数生成多元线性回归图，用于展示多个特征之间的线性关系。 - 分类数据的关系图（relational plot）：使用
sns.relplot()函数生成分类数据的关系图，用于展示分类数据之间的关系。
安装
pip install seaborn
官方数据集
Seaborn 提供了一些内置的数据集，通过这些数据集可以学习和演示 Seaborn 的各种功能，包括绘制直方图、箱线图、散点图、热力图等。官方的数据集可以去这个网址下载https://github.com/mwaskom/seaborn-data
以tips.csv数据集为例，这是一个关于餐厅消费的数据集，包含了 244 条记录，每条记录有以下字段：
| 字段 | 含义 |
|---|---|
| total_bill | 消费总额（美元） |
| tip | 小费金额（美元） |
| sex | 顾客性别（男性或女性） |
| smoker | 顾客是否吸烟（是或否） |
| day | 消费日期（星期一至星期日） |
| time | 消费时间（午餐或晚餐） |
| size | 用餐人数（1 到 6 人） |
绘制柱状图
Seaborn 是基于 Matplotlib 进行的更上一层的封装，需要借助 matplotlib 中的 pyplot 进行展示图片，所有需要导 matplotlib.pyplot 包。
要使用 Seaborn 加载本地数据，可以使用 Pandas 库读取本地数据文件，然后将 Pandas DataFrame 对象传递给 Seaborn 进行可视化。
以下是一个使用 Seaborn 加载本地数据并绘制柱状图的例子：
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
# 读取本地数据文件
tips = pd.read_csv('tips.csv')
# 绘制柱状图
sns.barplot(x='day', y='total_bill', data=tips, color='red')
# 添加标题和标签
plt.title('Bar Plot')
plt.xlabel('Day')
plt.ylabel('Total Bill')
# 展示图表
plt.show()
在这个例子中，首先导入了 Pandas 库、Seaborn 库和 Matplotlib 库。然后使用 pd.read_csv() 函数读取了本地数据文件 tips.csv，并将读取到的数据存储在 Pandas DataFrame 对象 tips 中。接下来，使用 sns.barplot() 函数绘制了 tips 数据集中 x 和 y 两个特征之间的柱状图，并将柱状图的颜色设置为红色。最后，使用 plt.show() 函数显示了绘制出的柱状图。
生成的柱状图如下：
绘制散点图
继续以数据集 tips.csv 为例，使用 seaborn 库绘制一个散点图，展示 total_bill（总账单）与 tip（小费）之间的关系。
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
# 读取本地数据文件
tips = pd.read_csv('tips.csv')
# 绘制散点图
sns.scatterplot(x='total_bill', y='tip', data=tips)
# 添加标题和标签
plt.title('Scatter Plot')
plt.xlabel('Total Bill')
plt.ylabel('Tip')
# 展示图表
plt.show()
代码执行流程如下：
- 导入所需的库：
pandas、seaborn和matplotlib.pyplot。 - 使用
pd.read_csv()函数读取本地数据文件tips.csv，并将数据存储在名为tips的 DataFrame 中。 - 使用
sns.scatterplot()函数绘制散点图，将total_bill作为 x 轴，将tip作为 y 轴，并使用tipsDataFrame 中的数据。 - 使用
plt.title()函数为散点图添加标题 “Scatter Plot”。 - 使用
plt.xlabel()和plt.ylabel()函数分别为 x 轴和 y 轴添加标签 “Total Bill” 和 “Tip”。 - 使用
plt.show()函数展示散点图。
库绘的散点图如下，展示 total_bill（总账单）与 tip（小费）之间的关系。
绘制成对图
penguins.csv是一个关于企鹅的数据集，包含了 344 条记录，每条记录有以下字段：
| 字段 | 含义 |
|---|---|
| species | 企鹅种类（Gentoo、Adelie 或 Chinstrap） |
| island | 企鹅生活的岛屿（Torgersen、Biscoe 或 Dream） |
| bill_length_mm | 企鹅嘴巴长度（毫米） |
| bill_depth_mm | 企鹅嘴巴深度（毫米） |
| flipper_length_mm | 企鹅翅膀长度（毫米） |
| body_mass_g | 企鹅体重（克） |
| sex | 企鹅性别（雄性或雌性） |
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
sns.set_theme(style="ticks")
# 读取本地数据文件
df = pd.read_csv('penguins.csv')
# 绘制成对图
sns.pairplot(df, hue="species")
# 展示图表
plt.show()
这段代码使用 Seaborn 的 pairplot 函数绘制了一个成对图，用于展示penguins.csv 数据集中不同特征之间的关系。
首先，代码导入了 Pandas、Seaborn 和 Matplotlib 库，并使用 sns.set_theme() 函数设置了 Seaborn 的主题样式。然后，代码使用 pd.read_csv() 函数读取了本地数据文件 penguins.csv，并将读取到的数据存储在 Pandas DataFrame 对象 df 中。
接下来，代码使用 sns.pairplot() 函数绘制了一个成对图，其中 df 参数指定了要绘制的数据集，hue 参数指定了要使用的颜色分组，这里是 penguins.csv 数据集中的 species 特征。
pairplot 函数会自动选择数据集中的所有特征，并绘制它们之间的成对关系。在每个子图中，x 轴和 y 轴分别表示两个特征，而颜色表示第三个特征，这里是 species。通过观察成对图，可以更好地理解penguins.csv 数据集中不同特征之间的关系。
绘制热力图
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
# 读取本地数据文件
df = pd.read_csv('flights.csv')
# 按指定的月份顺序排序
month_order = ['January', 'February', 'March', 'April', 'May', 'June', 'July', 'August', 'September', 'October',
'November', 'December']
df['month'] = pd.Categorical(df['month'], categories=month_order)
# 通过pivot函数进行数据透视
flights_pivot = df.pivot(index='month', columns='year', values='passengers')
# 绘制热力图
sns.heatmap(flights_pivot, cmap='YlGnBu', annot=True, fmt='d')
# 添加标题
plt.title('Heatmap')
# 展示图表
plt.show()
这段代码使用 Seaborn 的 heatmap 函数绘制了一个热力图。代码执行流程如下：
- 导入所需的库：
pandas、seaborn和matplotlib.pyplot。 - 使用
pd.read_csv()函数读取本地数据文件flights.csv，并将数据存储在名为df的 DataFrame 中。 - 定义一个名为
month_order的列表，其中包含按指定顺序排列的月份名称。 - 使用
pd.Categorical()函数将df中的month列转换为分类类型，并按照month_order中的顺序进行排序。 - 使用
df.pivot()函数对数据进行透视，将month列作为行索引，year列作为列索引，passengers列作为数据值，生成了一个新的 DataFrame 对象flights_pivot。 - 使用
sns.heatmap()函数绘制热力图，其中flights_pivot参数指定了要绘制的数据集，cmap参数指定了要使用的颜色映射，并在每个单元格中显示数值。 - 使用
plt.title()函数为热力图添加标题 “Heatmap”。 - 使用
plt.show()函数展示热力图。
生成的热力图如下：
通过观察热力图，可以更好地理解 Flights 数据集中，每个年份和月份的航班乘客数量的分布情况。
本文首发在“程序员coding”公众号，欢迎关注与我一起交流学习。
