数据可视化-Seaborn教程

简介

Python作为常用的数据分析工具，在可视化工具上，有很多优秀的第三方库如matplotlib、seaborn、plotly、cufflinks、boken、pyecharts等。由于matplotlib绘制的图表大多数时候确实不太美观，且使用较古怪，seaborn对matplotlib进行了进一步的封装，它是matplotlib的一个高级API，使用方便。（相当于cufflinks封装了plotly一样）在数据科学竞赛及数据分析领域，matplotlib+seaborn依然是主流的配置，尽管plotly等对其有所冲击（看个人喜好吧）。

安装

运行pip install seaborn进行安装，Seaborn交互性极强，建议使用jupyter notebook作为IDE。（pip install jupyter安装，命令行jupyter notebook启动）

数据

数据源
- seaborn提供了一些常见的数据集，本文使用tips小费数据集。

导入数据

import matplotlib.pyplot as plt
import seaborn as sns

df = sns.load_dataset('tips')
df.head()

查看数据
- tips数据集包含消费账单的大小、小费、性别、是否吸烟、星期几、时间、人数等。

图表

Seaborn的最大优点在于其提供了较为美观的各类图表，这也是为什么平时更多使用seaborn而不是matplotlib直接绘制的原因。

散点图
- ```
plt.figure(figsize=(12, 6))
sns.scatterplot(x='total_bill', y='tip', data=df,  hue='day')  # 散点图
# sns.stripplot(x='total_bill', y='tip', data=df,  hue='day')  # 分类散点图
# sns.swarmplot(x='total_bill', y='tip', data=df,  hue='day')  # 分簇散点图
```
  - x表示x轴所取数据的列名称
  - y表示y轴所取数据的列名称
  - data表示数据来源的dataframe
  - height表示绘图大小
  - fit_reg表示是否显示拟合回归线，默认显示
  - hue表示是否显示第三个维度的嵌套信息，类似x和y那样指定，以不同颜色在二维图上区分。
- 简单绘制如下。

折线图

plt.figure(figsize=(12, 6))
sns.lineplot(x='total_bill', y='tip', data=df, size=6)

后面所有图标参数类似上面的散点图。

简单绘制如下。

条形图

plt.figure(figsize=(12, 6))
sns.barplot(x='size', y='tip', data=df)

参数同上。

简单绘制如下。

计数条形图

plt.figure(figsize=(12, 6))
sns.countplot(df['day'])

参数同上。

简单绘制如下。

核密度图

plt.figure(figsize=(12, 6))
sns.distplot(df['tip'])

参数同上。

简单绘制如下。

箱型图

plt.figure(figsize=(8, 4))
sns.boxplot(data=df)
plt.figure(figsize=(8, 4))
sns.boxenplot(data=df)

参数同上。

简单绘制如下，增强箱型图显示更多分位数。

热度图
- ```
plt.figure(figsize=(12, 6))
sns.heatmap(df.corr())
```
  - 参数同上。
- 一般用于绘制相关系数矩阵，如下。

高级函数

针对数据可视化的不同目的，seaborn提供了relplot()，catplot()，displot()，lmplot()四大主要高级函数。

seaborn与pandas的DataFrame的结合非常紧密，因此传参直接传入列名即可。
这些高级函数的主要参数如下。
- x，y：输入变量
- data：输入数据的DataFrame
- hue：分组变量
- style：风格，hue分组后每组数据作图风格可不一致
- col，row：决定平面网格图布局的变量
- kind：底层作图类型名称，如"line",“bar”,"box"等
- 注意：由于返回的平面网格图子图间距可能不合理，使用plt.tight_layout()自动调整布局。

可视化变量关系（relationship）

plt.figure(figsize=(12, 8))
sns.relplot(x='total_bill', y='tip', data=df, hue='day')

方便观察变量关系，默认散点图。

分类数据的分布图（categorical）
- ```
plt.figure(figsize=(12, 8))
sns.catplot(x='total_bill', y='day', data=df)
```
- 方便观察分类数据的分布情况。
数据集分布图（distribution）
- 方便对整个数据集有个初步了解。以及分散为另外几个函数。
回归线图（linear model）
- ```
plt.figure(figsize=(12, 8))
sns.lmplot(x='total_bill', y='tip', data=df, height=6, fit_reg=True, hue='day')
```
- 类似第一种，不过lmplot的data必须给出而relplot不需要，所以relplot是底层函数。

定制

Seaborn是基于matplotlib的封装，很多底层的定制仍然需要使用matplotlib定制，如label、lim等。

对上一届的折线图x轴进行限制。

  plt.figure(figsize=(12, 6))
  sns.lineplot(x='total_bill', y='tip', data=df, size=6)
  plt.xlim(10, None)

可以看到，底层定制还是有matplotlib完成。

风格

说明
- seaborn提供5种绘图风格darkgrid、whitegrid、dark、white、ticks。可以进行切换。

  plt.figure(figsize=(16, 6))
  plt.subplot(1, 2, 1)
  sns.set_style('darkgrid')
  sns.heatmap(df.corr())

  plt.subplot(1, 2, 2)
  sns.set_style('whitegrid')
  sns.heatmap(df.corr(), cmap='YlGnBu')