乐趣区

关于数据分析:Python数据分析-seaborn工具与数据可视化

作者:韩信子 @ShowMeAI
教程地址:http://www.showmeai.tech/tutorials/33
本文地址:http://www.showmeai.tech/article-detail/151
申明:版权所有,转载请分割平台与作者并注明出处


Python 中最罕用于数据可视化的工具库包含 Matplotlib 和 Seaborn。其中,Matplotlib 属于 Python 数据可视化的根底库,具备很高的灵便度,但利用过于简单——官网文档有 3000 多页,蕴含上千个办法以及数万个参数。

对于快捷地进行数据分析可视化而言,Seaborn 是一个更简略易用的抉择。Seaborn 基于 Matplotlib 外围库进行了更高阶的 API 封装,能够轻松地画出更丑陋的图形。Seaborn 的丑陋次要体现在配色更加难受、以及图形元素的款式更加细腻。上面是 Seaborn 官网给出的参考图。

一、Seaborn 工具库长处

  • 内置数个通过优化的款式成果。
  • 减少调色板工具,能够很不便地为数据搭配色彩。
  • 单变量和双变量散布绘图更为简略,可用于对数据子集互相比拟。
  • 对独立变量和相干变量进行回归拟合和可视化更加便捷。
  • 对数据矩阵进行可视化,并应用聚类算法进行剖析。
  • 基于工夫序列的绘制和统计性能,更加灵便的不确定度预计。
  • 基于网格绘制出更加简单的图像汇合。

二、疾速优化 Matplotlib 绘制的图形

Matplotlib 绘图的默认图像款式算不上好看,能够应用 Seaborn 实现疾速优化。

应用 Matplotlib 绘制一张简略的图像。

import matplotlib.pyplot as plt
%matplotlib inline

x = [1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
y_bar = [3, 4, 6, 8, 9, 10, 9, 11, 7, 8]
y_line = [2, 3, 5, 7, 8, 9, 8, 10, 6, 7]

plt.bar(x, y_bar)
plt.plot(x, y_line, '-o', color='y')

应用 Seaborn 实现图像疾速优化。
办法非常简单,只须要将 Seaborn 提供的款式申明代码 sns.set() 搁置在绘图前即可。

import seaborn as sns

sns.set()  # 申明应用 Seaborn 款式

plt.bar(x, y_bar)
plt.plot(x, y_line, '-o', color='y')

能够发现,相比于 Matplotlib 默认的纯白色背景,Seaborn 默认的浅灰色网格背景看起来确实要细腻舒服一些。而柱状图的色调、坐标轴的字体大小也都有一些变动。

sns.set() 的默认参数为:

sns.set(context='notebook', style='darkgrid', palette='deep', font='sans-serif', font_scale=1, color_codes=False, rc=None)

  • context=’’参数管制着默认的画幅大小,别离有 {paper, notebook, talk, poster} 四个值。其中,poster > talk > notebook > paper。
  • style=’’参数管制默认款式,别离有 {darkgrid, whitegrid, dark, white, ticks},你能够自行更改查看它们之间的不同。
  • palette=’’参数为预设的调色板。别离有 {deep, muted, bright, pastel, dark, colorblind} 等,你能够自行更改查看它们之间的不同。
  • 剩下的 font=’’用于设置字体,font\_scale= 设置字体大小,color\_codes= 不应用调色板而采纳先前的‘r’等色调缩写。

三、Seaborn 外围绘图函数与办法

Seaborn 一共领有 50 多个 API 类,相比于 Matplotlib 数千个的规模,能够说是十分精简了。依据图形的适应场景,Seaborn 的绘图办法大抵分类 6 类,这 6 大类上面又蕴含不同数量的绘图函数:

  • 关联图——relplot
  • 类别图——catplot
  • 分布图——distplot、kdeplot、jointplot、pairplot
  • 回归图——regplot、lmplot
  • 矩阵图——heatmap、clustermap
  • 组合图

接下来,咱们通过『鸢尾花示例数据集』进行演示,应用 Seaborn 绘制适应不同场景的图形。首先导入数据集:

iris = sns.load_dataset("iris")
iris.head()

在绘图之前,先相熟一下 iris 鸢尾花数据集。
数据集总共 150 行,由 5 列组成。别离代表:萼片长度、萼片宽度、花瓣长度、花瓣宽度、花的类别。其中,前四列均为数值型数据,最初一列花的分类为三种,别离是:Iris Setosa、Iris Versicolour、Iris Virginica。

3.1 关联图

当咱们须要对数据进行关联性剖析时,可能会用到 Seaborn 提供的以下几个 API。

API 层级 关联性剖析 介绍
Figure-level relplot 绘制关系图
Axes-level scatterplot 多维度剖析散点图
lineplot 多维度剖析线形图

relplot 是 relational plots 的缩写,用于出现数据之后的关系。relplot 次要有散点图和线形图 2 种款式,实用于不同类型的数据。

(1)散点图

指定 $x$ 和 $y$ 的特色,默认能够绘制出散点图。

sns.relplot(x="sepal_length", y="sepal_width", data=iris)

然而,上图并不能看出数据类别之间的分割。如果咱们退出类别特色对数据进行着色,就更加直观了。

sns.relplot(x="sepal_length", y="sepal_width", hue="species", data=iris)

Seaborn 的函数都有大量实用的参数。例如咱们指定 style 参数能够赋予不同类别的散点不同的形态。更多的参数,心愿大家通过浏览官网文档 进行理解。

sns.relplot(x="sepal_length", y="sepal_width", hue="species", style="species", data=iris)

(2)线形图

relplot 办法还反对线形图,此时只须要指定 kind=”line”参数即可。图中暗影局部是主动给出的 95% 置信区间。

sns.relplot(x="sepal_length", y="petal_length", hue="species", style="species", kind="line", data=iris)

(3)API 层级:Axes-level 和 Figure-level

Seaborn 中有 API 层级的概念。Seaborn 中的 API 分为 Axes-level 和 Figure-level 两种:Axes-level 的函数能够实现与 Matplotlib 更灵便和严密的联合,而 Figure-level 则更像是「懒人函数」,适宜于疾速利用。

你会发现,下面咱们一个提到了 3 个 API,别离是:relplot,scatterplot 和 lineplot。scatterplot 和 lineplot 就是 Axes-level 接口,relplot 则是 Figure-level 接口,也能够被看作是 scatterplot 和 lineplot 的联合版本。

例如,上方 relplot 绘制的图也能够应用 lineplot 函数绘制,只有勾销 relplot 中的 kind 参数即可。

sns.lineplot(x="sepal_length", y="petal_length", hue="species", style="species", data=iris)

3.2 类别图

与关联图类似,类别图的 Figure-level 接口是 catplot,其为 categorical plots 的缩写。而 catplot 实际上是如下 Axes-level 绘图 API 的汇合:

API 层级 函数 介绍
Figure-level catplot
Axes-level stripplot() (kind=”strip”)
swarmplot() (kind=”swarm”)
分类散点图
boxplot() (kind=”box”)
boxenplot() (kind=”boxen”)
violinplot() (kind=”violin”)
分类分布图
pointplot() (kind=”point”)
barplot() (kind=”bar”)
countplot() (kind=”count”)
分类预计图

(1)散点图 strip / swarm

上面,咱们看一下 catplot 绘图成果。该办法默认是绘制 kind="strip" 散点图。

sns.catplot(x="sepal_length", y="species", data=iris)

kind="swarm" 能够让散点依照 beeswarm 的形式避免重叠,能够更好地观测数据分布。

sns.catplot(x="sepal_length", y="species", kind="swarm", data=iris)

同理,hue= 参数能够给图像引入另一个维度,因为 iris 数据集只有一个类别列,咱们这里就不再增加 hue= 参数了。如果一个数据集有多个类别,hue= 参数就能够让数据点有更好的辨别。

(2)箱线图 box

接下来,咱们顺次尝试其余几种图形的绘制成果。绘制箱线图:

sns.catplot(x="sepal_length", y="species", kind="box", data=iris)

(3)加强箱线图 boxen

sns.catplot(x="species", y="sepal_length", kind="boxen", data=iris)

(4)小提琴图 violin

sns.catplot(x="sepal_length", y="species", kind="violin", data=iris)

(5)点线图 point

sns.catplot(x="sepal_length", y="species", kind="point", data=iris)

(6)条形图 bar

sns.catplot(x="sepal_length", y="species", kind="bar", data=iris)

(7)计数条形图 count

sns.catplot(x="species", kind="count", data=iris)

3.3 分布图

分布图次要是用于可视化变量的散布状况,个别分为单变量散布和多变量散布(多指二元变量)。
Seaborn 提供的分布图绘制办法个别有这几个:distplot、kdeplot、jointplot、pairplot。接下来,咱们顺次来看一下这些绘图办法的应用。

API 层级 函数 介绍
Axes-level distplot 绘制直方图并拟合核密度估计图
Axes-level kdeplot 专门用于绘制核密度估计图
Axes-level jointplot 反对 kind= 参数指定绘制出不同款式的分布图
Axes-level pairplot 一次性将数据集中的特色变量两两比照绘图

(1)单变量分布图 distplot

Seaborn 疾速查看单变量散布的办法是 distplot。默认状况下,该办法将绘制直方图并拟合核密度估计图。

sns.distplot(iris["sepal_length"])

distplot 提供了参数来调整直方图和核密度估计图。例如,设置 kde=False 则能够只绘制直方图,或者 hist=False 只绘制核密度估计图。

(2)核密度估计图 kdeplot

当然,kdeplot 能够专门用于绘制核密度估计图,其成果和 distplot(hist=False) 统一,但 kdeplot 领有更多的自定义设置。

sns.kdeplot(iris["sepal_length"])

(3)二元变量分布图 jointplot

jointplot 次要是用于绘制二元变量分布图。例如,咱们探寻 sepal\_length 和 sepal\_width 二元特色变量之间的关系。

sns.jointplot(x="sepal_length", y="sepal_width", data=iris)

jointplot 并不是一个 Figure-level 接口,但其反对 kind= 参数指定绘制出不同款式的分布图。

例如, 绘制出核密度估计比照图 kde

sns.jointplot(x="sepal_length", y="sepal_width", data=iris, kind="kde")

绘制六边形计数图 hex

sns.jointplot(x="sepal_length", y="sepal_width", data=iris, kind="hex")

绘制回归拟合图 reg

sns.jointplot(x="sepal_length", y="sepal_width", data=iris, kind="reg")

(4)变量两两比照图 pairplot

最初要介绍的 pairplot 更加弱小,其反对一次性将数据集中的特色变量两两比照绘图。默认状况下,对角线上是单变量分布图,而其余则是二元变量分布图。

sns.pairplot(iris)

此时,咱们引入第三维度 hue="species" 会更加直观。

sns.pairplot(iris, hue="species")

3.4 回归图

接下来,咱们持续介绍回归图,回归图的绘制函数次要有:lmplot 和 regplot。

API 层级 函数 介绍
Axes-level regplot 主动实现线性回归拟合
Axes-level lmplot 反对引入第三维度进行比照

(1)regplot

regplot 绘制回归图时,只须要指定自变量和因变量即可,regplot 会主动实现线性回归拟合。

sns.regplot(x="sepal_length", y="sepal_width", data=iris)

(2)lmplot

lmplot 同样是用于绘制回归图,但 lmplot 反对引入第三维度进行比照,例如咱们设置 hue="species"

sns.lmplot(x="sepal_length", y="sepal_width", hue="species", data=iris)

3.5 矩阵图

矩阵图中最罕用的就只有 2 个,别离是:heatmap 和 clustermap。

API 层级 函数 介绍
Axes-level heatmap 绘制热力求
Axes-level clustermap 档次聚类结构图

(1)热力求 heatmap

意如其名,heatmap 次要用于绘制热力求。热力求在某些场景下十分实用,例如绘制出变量相关性系数热力求。

import numpy as np

sns.heatmap(np.random.rand(10, 10))

(2)档次聚类结构图 clustermap

除此之外,clustermap 反对绘制档次聚类结构图。如下所示,咱们先去掉原数据集中最初一个指标列,传入特色数据即可。当然,你须要对档次聚类有所理解,否则很难看明确图像多表述的含意。

iris.pop("species")
sns.clustermap(iris)

四、款式管制与色调自定义

浏览官网文档,会发现 Seaborn 中还存在大量已大些字母开始的类,例如 JointGrid,PairGrid 等。实际上这些类只是其对应小写字母的函数 jointplot,pairplot 的进一步封装。当然,二者可能稍有不同,但并没有实质的区别。

除此之外,Seaborn 官网文档 中还有对于 款式管制 和 色调自定义 等一些辅助组件的介绍。对于这些 API 的利用没有太大的难点,重点须要勤于练习。

材料与代码下载

本教程系列的代码能够在 ShowMeAI 对应的 github 中下载,可本地 python 环境运行,能迷信上网的宝宝也能够间接借助 google colab 一键运行与交互操作学习哦!

本系列教程波及的速查表能够在以下地址下载获取:

  • Pandas 速查表
  • NumPy 速查表
  • Matplotlib 速查表
  • Seaborn 速查表

拓展参考资料

  • Pandas 可视化教程
  • Seaborn 官网教程

ShowMeAI 相干文章举荐

  • 数据分析介绍
  • 数据分析思维
  • 数据分析的数学根底
  • 业务认知与数据初探
  • 数据荡涤与预处理
  • 业务剖析与数据挖掘
  • 数据分析工具地图
  • 统计与数据科学计算工具库 Numpy 介绍
  • Numpy 与 1 维数组操作
  • Numpy 与 2 维数组操作
  • Numpy 与高维数组操作
  • 数据分析工具库 Pandas 介绍
  • 图解 Pandas 外围操作函数大全
  • 图解 Pandas 数据变换高级函数
  • Pandas 数据分组与操作
  • 数据可视化准则与办法
  • 基于 Pandas 的数据可视化
  • seaborn 工具与数据可视化

ShowMeAI 系列教程举荐

  • 图解 Python 编程:从入门到精通系列教程
  • 图解数据分析:从入门到精通系列教程
  • 图解 AI 数学根底:从入门到精通系列教程
  • 图解大数据技术:从入门到精通系列教程

退出移动版