python数据分析及可视化（十二）Seaborn可视化（绘图风格、颜色风格、线性关系可视化、分类数据可视化、数据集分布可视化、关系矩阵图）

Seaborn可视化

Seaborn 是一个基于 matplotlib 且数据结构与 pandas 统一的统计图制作库，很多使用跟matplotlib的使用方法相同，颜色配置等，之前matplotlib绘图时传入的数据都是列表，也可以直接传入Series和DataFrame对象，索引作为x轴，值作为y轴；图表的绘制会涉及统计学的相关内容。Seaborn提前已经定义好了一套自己的风格，也封装了一系列的方便的绘图函数（要是调整线条颜色、粗细的话会比较麻烦），之前通过matplotlib需要很多代码才能完成的绘图，使用seaborn可能就是一行代码的事情。
学习文档
官网：http://seaborn.pydata.org/
中文学习文档：https://www.cntofu.com/book/172/docs/1.md

1.风格管理

seaborn绘图的过程，底层是matplotlib的内容，封装了高级别的函数，通过调用函数来实现图表的绘制，seaborn里方法的调用，其实是调用函数实现的过程。

绘图风格

默认是白颜色的背景，可以用sns.set()，是seaborn的主题应用，使用默认的主题来绘制图表，与上图相比没有了刻度线，多了灰色的网格布局。

主题背景的更改：style must be one of white, dark, whitegrid, darkgrid, ticks，只能从提供的几种主题进行更改。也可以自己去设计一套主题，好比手机的主题。
可以利用移除轴脊柱的方法去掉图表的上边框和右边框。




可以对风格的设置参数有很多，可以根据不同的需求进行设置

颜色风格

通过循环，遍历颜色深浅范围。

把颜色按照某个程度划分为8个层次，整颜色的亮度和饱和度,l为亮度，0.1-0.9越来越浅，s为饱和度，数字越大，色彩越饱和

通过调整lw参数，调整线条的粗细

通过选择框和连续的颜色盘来调整颜色

2.常用图表绘制

要清楚图表所对应的函数类型。图表的作用：1. 与数据清洗是相辅相成的，通过散点图、箱线图、直方图观察数据的离群点和异常值，通过图表进行观看，发现异常值及时进行清理，使图表更加的整洁。数据清洗并不是某个环节完成的功能，是遍布数据分析的整个阶段，数据分析不停止，就会随时随地的做数据清洗。2.支持验证性和预测型的数据分析，常见的数据分析是通过数据展现图表，绘制直观的图表供观看。验证性的数据分析是提出假设，通过数据去验证假设是否成立（通过今年每个月广告的投放导致营业额增加，就可以预测广告投入与营业额是正相关，通过数据去验证假设的正确与否；通过去年和千年的数据发现二者没有相关性，就说明假设是不成立的）。预测型的数据分析要选择使用哪些特征，利用关系之间的统计图，了解特征之间的关系，选择什么样的模型进行预测

条形图

条形图（sns.barplot），可以用pandas直接读取文件，也可以用seaborn的方法去读取，如果读取的时候不加data_home参数会从官网进行下载，data_home参数可以从指定的文件夹下读取本地文件

相对于传统的柱形图，每个图形上多列一条黑线，黑线是指误差线（Error bar），线越长说明消费金额波动范围越大。

直方图

直方图（sns.distplot）

饼图(不支持)

折线图

折线图（sns.pointplot）

每个点上竖直的线代表置信区间，在方法里还有个ci参数，如果ci=50，竖线会普遍的变短，若ci=68，说明有68%的概率确信周五给的消费在这个范围内。不写ci参数时，竖线比较长，周五给的小费在上下边缘内，当概率为68%时，会有68%的把握给的小费竖线集中的的范围内。

散点图

散点图（sns.regplot），绘制后会有条直线，直线表示x轴和y轴之间的线性回归关系，消费的金额多，给的小费也就多。

箱线图

箱线图（sns.boxplot），每天都会有超过箱线消费金额范围的人就餐，周四大部分人的消费靠近下边缘，周五的消费居于上下边缘中间。

提琴箱线图（sns.violinplot），白色的点相当于箱线图中间的黑实线，黑色线条对应于箱线图的箱子

3.绘图方法（重要）

画图的目的是从图表中获取有用的信息，了解图表适用的方面，绘制图表的场景，根据图表反馈的信息得到结论，做进一步的分析。
做数据分析前，一定要先理解数据，对数据的理解程度越深，画图的时候思路就越清晰。
折线图表示数据之间的趋势，两列数据之间的关系一般用散点图

线性关系可视化

散点图例子

relplot方法可以绘制线性关系图形，绘制出的图表不带线性回归的直线，比scatterplot更加灵活。

需求：绘图展现出总金额与小费的关系，绘制散点图

增加需求：周几出去吃饭的人最多，增加一个分类因素，周几

需求：对比午餐和晚餐人数，通过点的数量对比时间段人的多少

把两个子图竖着排列，可以控制参数 col_wrap=1 一行只能容纳一个子图，控制列数；row_wrap 控制行数；或者改变col为row 改变子图摆放的位置

需求： 根据就餐人数来显示不同的点，就餐人数越多，点就越大，size指点的大小

默认是散点图，kind=‘scatter’，修改kind='line’改为折线图

scatterplot 是真正绘制散点图的方法，绘制的图表带边框，在matplotlib基础上做的接口。

需求：了解买单的是男性还是女性，分午餐和晚餐，会绘制出4个子图

折线图例子

relplot 对折线图和散点图的封装，使用比较灵活，可以通过参数控制绘制哪个图形，更加便捷。
需求：了解信号值和时间点的变化关系，绘制折线图

增加需求：同区域内，信号值和时间点的变化

增加需求，不同事件，不同区域内，信号值和时间点的变化，会根据事件的多少画出多个子图

增加需求：根据不同的区域确定不同折线图的形态，根据区域的多少产生多种折线图的形态。跟散点图一样，也可以控制参数 col_wrap=1 一行只能容纳一个子图，控制列数；row_wrap 控制行数；或者改变col为row 改变子图摆放的位置

真正绘制折线的方法，lineplot没有kind参数，没有col参数

分类数据可视化

catplot是高级函数，通过改变kind，绘制分布散点图、分布箱线图、分簇散点图，也可以用每个图表各自的方法进行绘制。

分类散点图

默认kind=strip

使用绘制散点图的方法stripplot进行绘制

分簇散点图

用分簇散点图的方法swarmplot进行绘制

更改参数kind=swarm 绘制分簇散点图

分类分布图–箱线图

用箱线图的方法boxplot进行绘制，也可以使用catplot方法，更改kind参数进行绘制

分类分布图–提琴箱线图

用提琴箱线图的方法violinplot进行绘制，也可以使用catplot方法，更改kind参数进行绘制

分类柱形图

使用catplot方法，更改kind参数进行绘制

默认estimator参数为mean，求平均，可以传入函数sum、max、min等函数

使用barplot方法绘制柱状图

泰坦尼克号数据分析，survived:存活概率 pclass：船舱等级 sex：性别 age：年龄 sibsp：兄弟姐妹人数 parch：父母人数 fare：票价 embarked：上岸港口 class：座位等级 who：男女 adult_male：婚姻状况 deck：到岸港口 embark_town：上岸地方 alive：存活 alone：独自一人
分析被获救男女数据情况，与舱位之间的关系



seanborn 通过调用figure.set_size_inches的方法，改变尺寸

数据集分布可视化

分布型绘图

通过titanic的数据来分析所有人年龄分布情况。


kde:是否展示kde曲线，又为和密度估计，看最高峰对应的区间，默认为False bins：指定分的组数 rug：数据越集中，线越密集
hist：是否显示直方图

二变量分布

kind=“hex” 六边形的点 gridsize 设置点的大小，值越小点越大
height 图形大小 20*20 ratio 设置主图跟副图之间的比例
space 设置主图跟副图的间距

在图表的基础上多了两个子图，第1个直方图x轴是总金额，y轴是小费，总金额在10-15时给的小费最多。
第2个直方图指的是 小费给的最多的金额是2-4，中间的图中可以看出在10-15内给的小费最多，小费的金额是2-4。
在范围内的数据越多，数据点就越密集，颜色也就越深，如x轴10-15，y轴2-4的交叉部分就是数据最多的区域

观察4个变量间两两之间的关系
sepal_length:花萼长度 sepal_width：花萼宽度 petal_length： 花瓣长度 petal_width：花瓣宽度 species：花的类别
前4个变量会影响到最后1个变量

4个变量两两之间的关系

绘图时按花的种类分布

4个直方图是 自己跟自己的关系，4个变量两两之间的关系 看另外12个散点图就可以。
从第1行的另外三个散点图可以看出，数据密集的是一种花，代表花瓣的长度和宽度会影响到一种花。
比如花瓣长度在1-10范围内，就可以确定一种花的类型。

关系矩阵图

这是肿瘤的数据，有3组数据，2-12列是10个特征值的平均值，12-22列是10个特征值的标准差，22-32列是10个特征值的最大值，特征值有平均半径、平均面积纹理、平均周长等，10个特征之间绘制关系型图表，可以对10个特征进行降维，分析特征值之间的关系，减少特征值数量，便于分析。用pandas中的corr()，字段和字段之间的相关性函数，选择这些特征，求他们的相关性，用热力图来绘制图表，图表是矩阵包含一个一个的小方格，第一行的小方格，第一个是x轴的radius_mean和y轴的radius_mean是一样的，自己和自己的相关性就是1；radius_mean和texture_mean的关系是0.32，说明相关性不是很大；如果有10个特征，其中有3列分别是半径、周长、面积，在做机器学习，进行分析的时候要把多的特征变少，减少模型预测的干扰，根据半径可以求出周长和面积，周长和面积之间有相关的联系的，去除掉相关性比较强的特征，保留1个半径就可以了，特征数量就会减少2个。在图中radius_mean和smoothness_mean的关系是1，radius_mean和compactness_mean的关系是0.99，所以可以只保留1个特征值；从图中可以看出compactness_mean、concavity_mean、concave point_mean 之间的关系分别是0.88，0.3，0.92，说明它们三者的相关性也是一样的，可以去除2个，只保留1个特征，这就是关系型矩阵图的特征，为了特征工程做特征降维提供便利。
做相关性热力图的作用，找到并去除相关性比较强的特征，保留相关性不强的特征，一般高于0.8的都是相关性比较强的，10个特征减少到只剩下6个，便于后期分析及模型的建立。