Seaborn
あなたが必要とする理由がmatplotlibのので、それをseaborn？実際にseabornはmatplotlibの基礎にカプセル化され、Seabornは困難な物事を簡単にすることです。Seabornは完全にこの問題を回避しながら、最大の困難とmatplotlibのは、様々なパラメータのデフォルトです。seabornは、統計グラフィックス、プロットの90％のニーズを満たすために、一般的には、seabornデータ分析、複雑なカスタムグラフィックスのための、またはmatplotlibのにあります。Seabornは、可視化探求し、理解し、データの中核になることを目指しています。データセットの機能ブロックとデータアレイは、データセット全体が操作される含む図面、及び意味論的マッピングに対向し、図中の情報を生成するために重合内部必要な統計を行います。
テーマスタイルの5種類
- darkgrid
- whitegrid
- ダーク
- 白
- ダニ
スケッチの統計的分析 - 統計的関係を視覚化
統計分析は、データセットが相互に関連し、どのようにこれらの関係は、プロセスの他の変数に依存してどのように変化を理解することです。散布図と線画：統計的関係を可視化する一般的な方法。
次のように一般的に3つの機能を使用します：
- 再プロット（）
- 散布図（種類=「散布」;デフォルト）
- lineplot（種類= "行"、デフォルト）
一般的に使用されるパラメータ
* x,y,hue 数据集变量 变量名
* date 数据集 数据集名
* row,col 更多分类变量进行平铺显示 变量名
* col_wrap 每行的最高平铺数 整数
* estimator 在每个分类中进行矢量到标量的映射 矢量
* ci 置信区间 浮点数或None
* n_boot 计算置信区间时使用的引导迭代次数 整数
* units 采样单元的标识符，用于执行多级引导和重复测量设计 数据变量或向量数据
* order, hue_order 对应排序列表 字符串列表
* row_order, col_order 对应排序列表 字符串列表
* kind : 可选：point 默认, bar 柱形图, count 频次, box 箱体, violin 提琴, strip 散点，swarm 分散点
size 每个面的高度（英寸） 标量
aspect 纵横比 标量
orient 方向 "v"/"h"
color 颜色 matplotlib颜色
palette 调色板 seaborn颜色色板或字典
legend hue的信息面板 True/False
legend_out 是否扩展图形，并将信息框绘制在中心右边 True/False
share{x,y} 共享轴线 True/False変数に関連付けられた散布
統計的な可視化の柱を散乱。これは、観測のセットは、各点がデータを表し、点群を使用して、2つの変数の同時分布を示しています。従って、好ましくは、スキャッタグラムの二つの変数の観察された分布の関係。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
## 定义主题风格
sns.set(style="darkgrid")
## 加载tips
tips = sns.load_dataset("tips")
## 绘制图形，根据不同种类的三点设定图注
sns.relplot(x="total_bill", y="tip", hue="smoker", style="time", data=tips);
plt.show()
## 绘制渐变效果的散点图
sns.relplot(x="total_bill", y="tip", hue="size", palette="ch:r=-.5,l=.75", data=tips);
plt.show()
もしデータの量場合には、とのスキャッタグラムの六角。
eg:
## 设置颜色
sns.set(color_codes=True)
mean, cov = [0, 1], [(1, .5), (.5, 1)] # 设置均值(一组参数)和协方差（两组参数）
x, y = np.random.multivariate_normal(mean, cov, 1000).T
with sns.axes_style("ticks"):
sns.jointplot(x=x, y=y, kind="hex", color="k")
plt.show()
ヒストグラム
主な単一単変量解析のための特性データをヒストグラム。
eg:
sns.set(style="darkgrid")
np.random.seed(sum(map(ord, "distributions")))
x = np.random.gamma(6, size=200)
sns.distplot(x, kde=False, fit=stats.gamma)
plt.show()
比較チャート
土壌の比較は、主にペアごとの変数間の関係を観察するために適用されます。斜めのヒストグラム（統計数）、その他は散布図です。
eg:采用的是鸢尾花的内部数据集
sns.set(color_codes=True)
iris = sns.load_dataset("iris")
sns.pairplot(iris)
plt.show()
回帰分析チャート
regplot()和lmplot()都可以绘制回归关系,推荐regplot()。
两者间主要的区别是：regplot接受各种格式的x y，包括numpy arrays ,pandas series 或者pandas Dataframe对象。相比之下,lmplot()只接受字符串对象。这种数据格式被称为’long-form’或者’tidy’。除了输入数据的便利性外，regplot()可以看做拥有lmplot()特征的一个子集。
%matplotlib inline
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)
np.random.seed(sum(map(ord, "regression")))
tips = sns.load_dataset("tips")
## 使用regplot绘制
sns.regplot(x="total_bill", y="tip", data=tips)
plt.show()
rebust回归图，需要添加参数忽略某个异常点
eg:
anscombe = sns.load_dataset("anscombe")
sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'III'"),
robust=True, ci=None, scatter_kws={"s": 80})
plt.show()
树形图
类似于散点图，用于显示每一个数据的分布情况
eg:
tips = sns.load_dataset("tips")
sns.swarmplot(x="day", y="total_bill",hue="sex",data=tips)
plt.show()