Seaborn

导入工具库

用Seaborn绘制统计型数据可视图

Seaborn是基于matplotlib开发的高阶Python数据可视图库，用于绘制优雅、美观的统计图形。

使用下列别名导入该库：

import warnings

import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

warnings.filterwarnings('ignore')

使用 Seaborn 创建图形的基本步骤：

• Step 1 准备数据

• Step 2 设定画布外观

• Step 3 使用 Seaborn 绘图

• Step 4 自定义图形

• Step 5 展示结果图

tips = pd.read_csv("../_static/dataset/tips.csv")
# tips = sns.load_dataset("tips")  # Step 1
sns.set_style("whitegrid")  # Step 2
g = sns.lmplot(x="tip", y="total_bill", data=tips, aspect=2)  # Step 3
g = g.set_axis_labels("Tip", "Total bill(USD)").set(xlim=(0, 10), ylim=(0, 100))
plt.title("title")  # Step 4
plt.show(g)  # Step 5

数据准备

可以是numpy数组和Dataframe等数据格式

import pandas as pd
import numpy as np

uniform_data = np.random.rand(10, 12)

data = pd.DataFrame({"x": np.arange(1, 101), "y": np.random.normal(0, 4, 100)})

Seaborn 提供了内置数据集：

titanic = pd.read_csv("../_static/dataset/titanic.csv")

iris = pd.read_csv("../_static/dataset/iris.csv")

画布外观

f, ax = plt.subplots(figsize=(5, 6))  # 创建画布与子图

Seaborn 样式

sns.set()  # 设置或重置 Seaborn 默认值

sns.set_style("whitegrid")  # 设置 matplotlib 参数

sns.set_style("ticks", {"xtick.major.size": 8, "ytick.major.size": 8})  # 设置 matplotlib 参数

sns.axes_style("whitegrid")  # 返回参数字典或用 with 设置临时样式

{'figure.facecolor': 'white',
 'axes.labelcolor': '.15',
 'xtick.direction': 'out',
 'ytick.direction': 'out',
 'xtick.color': '.15',
 'ytick.color': '.15',
 'axes.axisbelow': True,
 'grid.linestyle': '-',
 'text.color': '.15',
 'font.family': ['sans-serif'],
 'font.sans-serif': ['Arial',
  'DejaVu Sans',
  'Liberation Sans',
  'Bitstream Vera Sans',
  'sans-serif'],
 'lines.solid_capstyle': 'round',
 'patch.edgecolor': 'w',
 'patch.force_edgecolor': True,
 'image.cmap': 'rocket',
 'xtick.top': False,
 'ytick.right': False,
 'axes.grid': True,
 'axes.facecolor': 'white',
 'axes.edgecolor': '.8',
 'grid.color': '.8',
 'axes.spines.left': True,
 'axes.spines.bottom': True,
 'axes.spines.right': True,
 'axes.spines.top': True,
 'xtick.bottom': False,
 'ytick.left': False}

上下文函数

sns.set_context("talk")  # 将上下文设置为 "talk"

sns.set_context(
    "notebook", font_scale=1.5, rc={"lines.linewidth": 2.5}
)  # 上下文设为 "notebook"，缩放字体，覆盖参数映射

调色板

sns.set_palette("husl", 3)  # 定义调色板

sns.color_palette("husl")  # 使用 with 临时设置调色板

flatui = ["#9b59b6", "#3498db", "#95a5a6", "#e74c3c", "#34495e", "#2ecc71"]

sns.set_palette(flatui)  # 设置调色板

使用Seaborn绘图

坐标轴栅格

g = sns.FacetGrid(titanic, col="survived", row="sex")  # 绘制条件关系的子图栅格
g = g.map(plt.hist, "age")

sns.catplot(x="pclass", y="survived", hue="sex", data=titanic)  # 在分面栅格上绘制分类图

<seaborn.axisgrid.FacetGrid at 0x7f60549319d0>

sns.lmplot(
    x="sepal_width", y="sepal_length", hue="species", data=iris
)  # 绘制适配分面栅格的数据与回归模型

<seaborn.axisgrid.FacetGrid at 0x7f6050e4b470>

h = sns.PairGrid(iris)  # 绘制配对关系的子图栅格
h = h.map(plt.scatter)  # 绘制配对的双变量分布

sns.pairplot(iris)  # 绘制双变量图的边际单变量图栅格

<seaborn.axisgrid.PairGrid at 0x7f606304f170>

i = sns.JointGrid(x="x", y="y", data=data)
i = i.plot(sns.regplot, sns.jointplot)

各类图形

散点图

sns.stripplot(x="species", y="petal_length", data=iris)  # 含分类变量的抖动图

<Axes: xlabel='species', ylabel='petal_length'>

sns.swarmplot(x="species", y="petal_length", data=iris)  # 不重叠分类蜂群图

<Axes: xlabel='species', ylabel='petal_length'>

条形图

sns.barplot(x="sex", y="survived", hue="class", data=titanic)  # 用散点图示符显示点估计值和置信区间

<Axes: xlabel='sex', ylabel='survived'>

计数图

sns.countplot(x="deck", data=titanic, palette="Greens_d")  # 显示观测数量

<Axes: xlabel='deck', ylabel='count'>

点图

sns.pointplot(
    x="class",
    y="survived",
    hue="sex",
    data=titanic,
    palette={"male": "g", "female": "m"},
    markers=["^", "o"],
    linestyles=["-", "--"],
)  # 显示点估计和置信区间

<Axes: xlabel='class', ylabel='survived'>

箱形图

sns.boxplot(x="alive", y="age", hue="adult_male", data=titanic)  # 箱形图

<Axes: xlabel='alive', ylabel='age'>

sns.boxplot(data=iris, orient="h")  # 使用宽表数据的箱形图

<Axes: >

小提琴图

sns.violinplot(x="age", y="sex", hue="survived", data=titanic)  # 小提琴图

<Axes: xlabel='age', ylabel='sex'>

回归图

sns.regplot(x="sepal_width", y="sepal_length", data=iris, ax=ax)  # 绘制与线性回归模型拟合的数据

<Axes: xlabel='sepal_width', ylabel='sepal_length'>

分布图

plot = sns.distplot(data.y, kde=False, color="b")  # 绘制单变量分布

矩阵图

sns.heatmap(uniform_data, vmin=0, vmax=1)  # 热力图

<Axes: >

深度自定义

Axisgrid对象

g.despine(left=True)  # 移除左框

<seaborn.axisgrid.FacetGrid at 0x7f6094ca8380>

g.set_ylabels("Survived")  # 设置 Y 轴标签

<seaborn.axisgrid.FacetGrid at 0x7f6094ca8380>

g.set_xticklabels(rotation=45)  # 设置 X 轴刻度标签

<seaborn.axisgrid.FacetGrid at 0x7f6094ca8380>

g.set_axis_labels("Survived", "Sex")  # 设置坐标轴标签

<seaborn.axisgrid.FacetGrid at 0x7f6094ca8380>

h.set(
    xlim=(0, 5), ylim=(0, 5), xticks=[0, 2.5, 5], yticks=[0, 2.5, 5]
)  # 设置 X 与 Y 轴的幅度区间和刻度

<seaborn.axisgrid.PairGrid at 0x7f6050e6c350>

图形

plt.title("A Title")  # 添加图形标题

Text(0.5, 1.0, 'A Title')

plt.ylabel("Survived")  # 调整 Y 轴标签

Text(0, 0.5, 'Survived')

plt.xlabel("Sex")  # 调整 X 轴标签

Text(0.5, 0, 'Sex')

plt.ylim(0, 100)  # 调整 Y 轴幅度区间

(0.0, 100.0)

plt.xlim(0, 10)  # 调整 X 轴幅度区间

(0.0, 10.0)

plt.setp(ax, yticks=[0, 5])  # 调整图形属性

[<matplotlib.axis.YTick at 0x7f605128e180>,
 <matplotlib.axis.YTick at 0x7f6051226e40>]

plt.tight_layout()  # 调整子图参数

<Figure size 640x480 with 0 Axes>

显示或保存图形

show与savefig函数

plt.show()  # 显示图形

plt.savefig("../_tmp/plt_savefig.png")  # 将画布保存为图形

<Figure size 640x480 with 0 Axes>

plt.savefig("../_tmp/plt_savefig_transparent.png", transparent=True)  # 保存透明画布

<Figure size 640x480 with 0 Axes>

关闭与清除

绘图关闭与清除操作

plt.cla()  # 清除坐标轴

plt.clf()  # 清除画布

<Figure size 640x480 with 0 Axes>

plt.close()  # 关闭窗口