Seaborn-1

seaborn 简介

Seaborn是一种基于matplotlib的图形可视化python library。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。

Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。

应该把Seaborn视为matplotlib的补充，而不是替代物。 同时它能高度兼容numpy与pandas数据结构以及scipy与statsmodels等统计模式。掌握seaborn能很大程度帮助我们更高效的观察数据与图表，并且更加深入了解它们。

其有如下特点：

• 基于matplotlib aesthetics绘图风格，增加了一些绘图模式
• 增加调色板功能，利用色彩丰富的图像揭示您数据中的模式
• 运用数据子集绘制与比较单变量和双变量分布的功能
• 运用聚类算法可视化矩阵数据
• 灵活运用处理时间序列数据
• 利用网格建立复杂图像集

官方网站：http://seaborn.pydata.org 在接下来的一段时间内，我们将带大家深入地了解各类seaborn绘图函数。

使用散点图发现数据之间的关联

散点图是数据可视化中最常用的图像。它直观地向我们展示了数据之间的分布关系，如果数据之间存在线性或者其他相关关系，很容易通过散点图观察出来。

除了之前提到的plt.scatter()，使用seaborn也可以绘制散点图。对用的命令是scatterplot()

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns  # 导入 seaborn 并且命名为sns
%matplotlib inline
sns.set(style="darkgrid") # 设置绘图格式为darkgrid

tips = sns.load_dataset('tips')

#tips = pd.read_csv("../_static/lecture_specific/seaborn/tips.csv")

tips.head() # 查看数据的前五行

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4

plt.scatter(tips['total_bill'],tips['tip']) # 使用plt.scatter 方法绘制两列数据的散点图
plt.xlabel('Total bill')
plt.ylabel('tip')

Text(0, 0.5, 'tip')

sns.scatterplot(tips.total_bill,tips.tip) # 使用sns.scatterplot 方法绘制两列数据的散点图
plt.xlabel("Total Bill")

D:\software_install\anaconda\lib\site-packages\seaborn\_decorators.py:36: FutureWarning: Pass the following variables as keyword args: x, y. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  warnings.warn(

Text(0.5, 0, 'Total Bill')

除此之外，我们还可以通过在 relplot()中指定kind="scatter"获取同样的效果。

# sns.relplot(x="total_bill", y="tip", data=tips);

相比于scatterplot，relplot的集成度更高，在使用方法上也更为方便。例如，如果我们想给散点图加上第三个维度，就直接可以通过一个参数hue进行传递即可。该参数将会给不同的类别赋以不同的颜色。

# sns.relplot(x="total_bill", y="tip", hue="smoker", data=tips)

除此之外，我们还可以继续修改散点的形状，只需要引入style参数

sns.relplot(x="total_bill", y="tip", hue="smoker", style="sex",data=tips)

<seaborn.axisgrid.FacetGrid at 0x1fe88f95a00>

结合hue和style两个参数，我们就可以实现四维数据的绘图。需要注意的是，人眼的形状的敏感性不如颜色，因此该方法应该慎用，因为第四个维度不容易被观察到。

sns.relplot(x="total_bill", y="tip", hue="smoker", style="time", data=tips);

在上面的案例中，hue参数接受到的是离散的类别数据，而如果我们给它传入一个数值形式的数据，那么relplot将会用连续变化的色谱来区分该数据。

sns.relplot(x="total_bill", y="tip", hue="size", data=tips);

当然了，除了散点的颜色的形状，我们还可以修改散点的大小，只需要指定size参数即可。

sns.relplot(x="total_bill", y="tip", size="size", data=tips);

下面是一个综合使用以上参数，得到的一个五维的散点图。

sns.relplot(x="total_bill", y="tip", hue='sex',
            style = 'time',size="size", data=tips);

数据的汇总和不确定性的展示

fmri = sns.load_dataset("fmri")
# fmri = pd.read_csv("/home/kesci/input/Seaborn_Demo6897/fmri.csv")
fmri.head()

	subject	timepoint	event	region	signal
0	s13	18	stim	parietal	-0.017552
1	s5	14	stim	parietal	-0.080883
2	s12	18	stim	parietal	-0.081033
3	s11	18	stim	parietal	-0.046134
4	s10	18	stim	parietal	-0.037970

sns.relplot(x="timepoint", y="signal", kind="line", data=fmri);

此外，不确定度还可以用标准差来衡量，只需要设置ci='sd'即可

sns.relplot(x="timepoint", y="signal", kind="line", ci="sd", data=fmri);

如果我们关掉数据汇总，那么绘制出来的图像会非常奇怪。这是因为在某一个时间，会有多个测量数据。

sns.relplot(x="timepoint", y="signal", estimator=None, kind="line", data=fmri);

绘制子数据集

同scatterplot()一样，我们可以通过修改hue,style,size,来增加更多的绘图维度，用法也是非常一致的，这意味着我们可以非常简单地在两种方法之间进行替换。

例如，如果我们引入hue参数，对event进行分类。即可得到如下的数据汇总图。

sns.relplot(x="timepoint", y="signal", hue="event", kind="line", data=fmri);

我们继续加入另一个style参数，可以把region也考虑进去。

sns.relplot(x="timepoint", y="signal", hue="region", style="event",
            kind="line", data=fmri);

为了突出显示，我们还可以修改线型。

sns.relplot(x="timepoint", y="signal", hue="region", style="event",
            dashes=False, markers=True, kind="line", data=fmri);

下面我们考虑另一个数据集

dots = sns.load_dataset("dots").query("align == 'dots'")

# dots = pd.read_csv('/home/kesci/input/Seaborn_Demo6897/dots.csv',encoding = 'utf-8')
# dots = dots[dots["align"] == 'dots']
dots.head()

	align	choice	time	coherence	firing_rate
0	dots	T1	-80	0.0	33.189967
1	dots	T1	-80	3.2	31.691726
2	dots	T1	-80	6.4	34.279840
3	dots	T1	-80	12.8	32.631874
4	dots	T1	-80	25.6	35.060487

上面的例子我们用的是离散变量作为参数hue和chioce的值，实际上，他们也可以使用连续变量。比如下面的例子

sns.relplot(x="time", y="firing_rate",
            hue="coherence", style="choice",
            kind="line", data=dots);

请注意，当style的可能性增多时，肉眼可能不太能够区分不同的线型，因此该方法需要在变量取值范围较小的情况下使用。

palette = sns.cubehelix_palette(light=.8, n_colors=6)
sns.relplot(x="time", y="firing_rate",
           hue="coherence", size="choice",
           palette=palette,
           kind="line", data=dots);

使用多张图展示数据之间的相互关系

下面我们学习如何使用多张子图，分析与展示数据之间的相关性。使用的参数主要是col

sns.relplot(x="total_bill", y="tip", hue="smoker",
            col="time", data=tips);

此外，我们还可以通过row参数，进一步地扩大子图的规模

sns.relplot(x="total_bill", y="tip", hue="smoker",
            col="time",row = 'sex', data=tips);

sns.relplot(x="timepoint", y="signal", hue="subject",
            col="region", row="event", height=4,
            kind="line", estimator=None, data=fmri);

以上的一系列可视化方法，称为小倍数绘图（ “lattice” plots or “small-multiples”），在研究大规模数据集的时候尤为重要，因为使用该方法，可以把复杂的数据根据一定的规律展示出来，并且借助可视化，使人的肉眼可以识别这种规律。

需要注意的是，有的时候，简单的图比复杂的图更能帮助我们发现和解决问题。

课堂练习

使用iris数据集，进行数据可视化。要求以sepal_length为横轴，以sepal_width为纵轴，以花的种类为颜色标准，绘制散点图。你可以使用如下的代码导入iris数据集。

iris = sns.load_dataset('iris')

# your code here

绘制离散形式的变量

在上一节中，我们学习了如何使用relplot()描述数据集中多变量之间的关系，其中我们主要关心的是两个数值型变量之间的关系。本节我们进一步地，讨论离散型（ categorical）变量的绘制方法。

在seaborn中，我们有很多可视化离散型随机变量的方法。类似于relplot()之于scatterplot() 和 lineplot()的关系, 我们有一个catplot()方法，该方法提高了我们一个从更高层次调用各类函数的渠道，例如swarmplot(),boxplot(),violinplot()等。

在详细地学习这些方法之前，对他们做一个系统地分类是非常有必要的，他们按照绘制内容可以分成如下三类：

• Categorical scatterplots:

  • stripplot() (with kind="strip"; the default)
  • swarmplot() (with kind="swarm")

• Categorical distribution plots:

  • boxplot() (with kind="box")
  • violinplot() (with kind="violin")
  • boxenplot() (with kind="boxen")
• Categorical estimate plots:
  • pointplot() (with kind="point")
  • barplot() (with kind="bar")
  • countplot() (with kind="count")

以上三个类别代表了绘图的不同角度，在实践中，我们要根据要解决的问题，合理地选择使用其中哪种方法。

如果不知道哪种方法比较好，可以都尝试一遍，选择可视化效果更好的一个。

在本教程中，我们主要使用catplot()函数进行绘图，如前所述，该函数是基于其他许多函数基础上一个更高层次的调用渠道。

因此如果有针对其中任何一种方法的疑问，都可以在对应的方法的详细介绍中找到解释。

首先，我们需要导入需要的库seaborn和matplotlib.pyplot

import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="ticks", color_codes=True)

分类散点图

catplot()中的默认绘图方法是scatterplot，在catplot()中。如果我们只有一个类别，那么散点图绘制的时候，许多数据点会重叠（overlap）在一起，数据区分度和美观性都不强。

tips = sns.load_dataset('tips')
sns.relplot(x="day", y="total_bill", data=tips);

为了解决这一问题，实际上有两类绘制散点图的方法。

方法一： 我们可以考虑采用stripplot()，该方法通过给每一个数据点一个在x轴上的小扰动，使得数据点不会过分重叠。stripplot()是catplot()的默认参数。

sns.catplot(x="day", y="total_bill", data=tips);

我们可以吧jitter参数关掉，观察一下效果。

sns.catplot(x="day", y="total_bill", jitter=0.3, data=tips);

方法二： 使用swarmplot()，该方法通过特定算法将数据点在横轴上分隔开，进一步提高区分度，防止重叠。该方法对于小数据集尤其适用，调用该方法只需要在catplot()中指定参数kind="swarm"即可。

sns.catplot(x="day", y="total_bill", kind="swarm", data=tips);

类似于relplot(),catplot()也可以通过添加颜色进一步增加绘图的维度，对应的参数为hue。需要注意的是，catplot()暂时不支持sytle和size参数。

sns.catplot(x="time", y="total_bill",kind="swarm", data=tips);

不像数值型的数据，有的时候，我们对于离散型的类别数据很难得到一个排序的标准。当然，seaborn会尽可能地按照合理的方法给他们排序，如果需要的话也可以人为指定排序。

当我们想要指定绘制顺序的时候，可以使用order参数。

sns.catplot(x="smoker", y="tip", order=["Yes", "No"], data=tips);

有的时候，我们想要把散点图横着画，尤其是在类别比较多的时候，这时我们可以对调x和y参数，达到该效果。

sns.catplot(x="day", y="total_bill", hue="time", kind="swarm", data=tips);

课堂练习：

使用上面的方法，对tips数据集进行分析，绘制一个吸烟和吃饭时间（午饭or晚饭）与tip的关系图。你可以自定x,y轴和染色方法。

# your code here

分类分布统计图

如前所述，类别形式的散点图受限于数据集的大小，当数据量很大时，即使是使用swarmplot或者stripplot也无法使数据点分开。此时，我们考虑使用基于数据分布的绘图方法，而不再采用散点图。

Boxplots

箱形图（Box-plot）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。在各种领域也经常被使用，常见于品质管理。

箱线图似乎是原始的，但它们具有占用较少空间的优势，这在比较许多组或数据集之间的分布时非常有用。

箱线图是一种基于五位数摘要（“最小”，第一四分位数（Q1），中位数，第三四分位数（Q3）和“最大”）显示数据分布的标准化方法。

• 中位数（Q2 / 50th百分位数）：数据集的中间值；
• 第一个四分位数（Q1 / 25百分位数）：最小数（不是“最小值”）和数据集的中位数之间的中间数；
• 第三四分位数（Q3 / 75th Percentile）：数据集的中位数和最大值之间的中间值（不是“最大值”）；
• 四分位间距（IQR）：第25至第75个百分点的距离；
• 离群值
• “最大”：Q3 + 1.5 * IQR
• “最低”：Q1 -1.5 * IQR

基于分布的绘图方法中最简单的就是箱线图了，关于箱线图的理论已经在之前的讲义中进行了介绍，这里不再展开。箱线图的调用方法也很简单，直接kind = "box"就行。

sns.catplot(x="day", y="total_bill", kind="box", data=tips);

当然了，我们还可以加入hue参数，增加数据的绘图维度。

sns.catplot(x="day", y="total_bill", hue="smoker", kind="box", data=tips);

有一个和箱线图很像的图，叫boxenplot()，它会绘制一个跟箱线图很像的图片，但是展示了更多箱线图无法展示的信息，尤其适用于数据集比较大的情况。

diamonds = sns.load_dataset("diamonds")

# diamonds = pd.read_csv('/home/kesci/input/Seaborn_Demo6897/diamonds.csv')

diamonds.head()

	carat	cut	color	clarity	depth	table	price	x	y	z
0	0.23	Ideal	E	SI2	61.5	55.0	326	3.95	3.98	2.43
1	0.21	Premium	E	SI1	59.8	61.0	326	3.89	3.84	2.31
2	0.23	Good	E	VS1	56.9	65.0	327	4.05	4.07	2.31
3	0.29	Premium	I	VS2	62.4	58.0	334	4.20	4.23	2.63
4	0.31	Good	J	SI2	63.3	58.0	335	4.34	4.35	2.75

#diamonds = sns.load_dataset("diamonds")
sns.catplot(x="color", y="price", kind="boxen",
            data=diamonds.sort_values("color"));

Violinplots

接下来我们看小提琴图violinplot()，它结合了箱线图核密度估计的思想

sns.catplot(x="total_bill", y="day", hue="time",
            kind="violin", data=tips);

该方法用到了kernel density estimate （KDE）,进而提供了更为丰富的数据分布信息。另一方面，由于KDE的引入，该方法也有更多的参数可以修改，例如bw.和cut

sns.catplot(x="total_bill", y="day", hue="time",
            kind="violin", bw=0.5, cut=0,
            data=tips);

此外，如果数据的hue参数只有两个类别，一种非常高效的方法是给定split=True,仅绘制具有对称性的图像的一半。

sns.catplot(x="day", y="total_bill", hue="sex",
            kind="violin", split=True, data=tips);

当然了，小提琴图的内部绘制也可以修改，如果我们想要展示原始数据点而不是分位数等统计数据，我们可以指定inner="stick",那么所有的原始数据点会被绘制在图中。

sns.catplot(x="day", y="total_bill", hue="sex",
            kind="violin", inner="stick", split=True,
            palette="Set1", data=tips);

我们还可以把swarmplot()或者striplot()放置在boxplot或者violinplot中，从而实现总体与局部的整体展示。

g = sns.catplot(x="time", y="total_bill", kind="violin", inner=None, data=tips)
sns.swarmplot(x="time", y="total_bill", color="k", size=3, data=tips, ax=g.ax);

g = sns.catplot(x="day", y="total_bill", kind="box",data=tips)
sns.swarmplot(x="day", y="total_bill", color="k", size=3, data=tips, ax=g.ax);

参考资料

• ThomsonRen 的 github https://github.com/ThomsonRen/mathmodels