Seaborn 数据可视化基础
Matplotlib 是支持 Python 语言的开源绘图库，因为其支持丰富的绘图类型、简单的绘图方式以及完善的接口文档，深受 Python 工程师、科研学者、数据工程师等各类人士的喜欢。Seaborn 是以 Matplotlib 为核心的高阶绘图库，无需经过复杂的自定义即可绘制出更加漂亮的图形，非常适合用于数据可视化探索。
知识点
- 关联图
- 类别图
- 分布图
- 回归图
- 矩阵图
- 组合图
Seaborn 基于 Matplotlib 核心库进行了更高阶的 API 封装，可以让你轻松地画出更漂亮的图形。Seaborn 的漂亮主要体现在配色更加舒服、以及图形元素的样式更加细腻，下面是 Seaborn 官方给出的参考图。
Seaborn 具有如下特点：
- 内置数个经过优化的样式效果。
- 增加调色板工具，可以很方便地为数据搭配颜色。
- 单变量和双变量分布绘图更为简单，可用于对数据子集相互比较。
- 对独立变量和相关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，并使用聚类算法进行分析。
- 基于时间序列的绘制和统计功能，更加灵活的不确定度估计。
- 基于网格绘制出更加复杂的图像集合。
快速优化图形
当我们使用 Matplotlib 绘图时，默认的图像样式算不上美观。此时，就可以使用 Seaborn 完成快速优化。下面，我们先使用 Matplotlib 绘制一张简单的图像。
import matplotlib.pyplot as plt
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')
使用 Seaborn 完成图像快速优化的方法非常简单。只需要将 Seaborn 提供的样式声明代码 sns.set() 放置在绘图前即可。
import seaborn as sns
sns.set() # 声明使用 Seaborn 样式
plt.bar(x, y_bar)
plt.plot(x, y_line, '-o', color='y')
sns.set() 的默认参数为：
其中：
-
context='' 参数控制着默认的画幅大小，分别有 {paper, notebook, talk, poster} 四个值。其中，poster > talk > notebook > paper。 -
style='' 参数控制默认样式，分别有 {darkgrid, whitegrid, dark, white, ticks}，你可以自行更改查看它们之间的不同。 -
palette='' 参数为预设的调色板。分别有 {deep, muted, bright, pastel, dark, colorblind} 等，你可以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= 不使用调色板而采用先前的 'r' 等色彩缩写。
关联图
当我们需要对数据进行关联性分析时，可能会用到 Seaborn 提供的以下几个 API。
关联性分析 | 介绍 |
relplot | 绘制关系图 |
scatterplot | 多维度分析散点图 |
lineplot | 多维度分析线形图 |
relplot 是 relational plots 的缩写，其可以用于呈现数据之后的关系，主要有散点图和条形图 2 种样式。本次实验，我们使用鸢尾花数据集进行绘图探索。
在绘图之前，先熟悉一下 iris 鸢尾花数据集。数据集总共 150 行，由 5 列组成。分别代表：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，最后一列花的分类为三种，分别是：Iris Setosa、Iris Versicolour、Iris Virginica。
iris = sns.load_dataset("iris")
iris.head()由于可能数据加载不成功 , 我们需要下载数据到本地,然后直接读取 .https://github.com/mwaskom/seaborn-data
iris = pd.read_csv("iris.csv")
print(iris.head())
此时，我们指定 xx 和 yy 的特征，默认可以绘制出散点图。
sns.relplot(x="sepal_length", y="sepal_width", data=iris)
但是，上图并不能看出数据类别之间的联系，如果我们加入类别特征对数据进行着色，就更好一些了。
sns.relplot(x="sepal_length", y="sepal_width", hue="species", data=iris)
relplot 还支持线形图,只需要指定kind ="line" 参数即可。
类别图
与关联图相似，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 的集合：
- 分类散点图:
-
stripplot() (
kind="strip") -
swarmplot() (
kind="swarm")
- 分类分布图:
-
boxplot() (
kind="box") -
violinplot() (
kind="violin") -
boxenplot() (
kind="boxen")
- 分类估计图:
-
pointplot() (
kind="point") -
barplot() (
kind="bar") -
countplot() (
kind="count")
kind="swarm" 可以让散点按照 beeswarm 的方式防止重叠，可以更好地观测数据分布。
sns.catplot(x="sepal_length", y="species", kind="swarm", data=iris)
分布图
分布图主要是用于可视化变量的分布情况，一般分为单变量分布和多变量分布。当然这里的多变量多指二元变量，更多的变量无法绘制出直观的可视化图形。
Seaborn 提供的分布图绘制方法一般有这几个： jointplot，pairplot，distplot，kdeplot。接下来，我们依次来看一下这些绘图方法的使用。
Seaborn 快速查看单变量分布的方法是 distplot。默认情况下，该方法将会绘制直方图并拟合核密度估计图。
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 则可以只绘制直方图，或者 hist=False 只绘制核密度估计图。当然，kdeplot 可以专门用于绘制核密度估计图，其效果和 distplot(hist=False) 一致，但 kdeplot 拥有更多的自定义设置
sns.kdeplot(iris["sepal_length"])
jointplot 主要是用于绘制二元变量分布图。例如，我们探寻 sepal_length 和 sepal_width 二元特征变量之间的关系。
sns.jointplot(x="sepal_length", y="sepal_width", data=iris)
jointplot 并不是一个 Figure-level 接口，但其支持 kind= 参数指定绘制出不同样式的分布图。例如，绘制出核密度估计对比图。
sns.jointplot(x="sepal_length", y="sepal_width", data=iris, kind="kde")
六边形计数图：
sns.jointplot(x="sepal_length", y="sepal_width", data=iris, kind="hex")
回归拟合图：
sns.jointplot(x="sepal_length", y="sepal_width", data=iris, kind="reg")
最后要介绍的 pairplot 更加强大，其支持一次性将数据集中的特征变量两两对比绘图。默认情况下，对角线上是单变量分布图，而其他则是二元变量分布图。
sns.pairplot(iris)
此时，我们引入第三维度 hue="species" 会更加直观。
回归图
接下来，我们继续介绍回归图，回归图的绘制函数主要有：lmplot 和 regplot。
regplot 绘制回归图时，只需要指定自变量和因变量即可，regplot 会自动完成线性回归拟合。
sns.regplot(x="sepal_length", y="sepal_width", data=iris)
lmplot 同样是用于绘制回归图，但 lmplot 支持引入第三维度进行对比，例如我们设置 hue="species"。
sns.lmplot(x="sepal_length", y="sepal_width", hue="species", data=iris)
矩阵图
矩阵图中最常用的就只有 2 个，分别是：heatmap 和 clustermap。
意如其名，heatmap 主要用于绘制热力图。
import numpy as np
sns.heatmap(np.random.rand(10, 10))
热力图在某些场景下非常实用，例如绘制出变量相关性系数热力图。
除此之外，clustermap 支持绘制 层次聚类 结构图。如下所示，我们先去掉原数据集中最后一个目标列，传入特征数据即可。当然，你需要对层次聚类有所了解，否则很难看明白图像表述的含义。
iris.pop("species")
sns.clustermap(iris)
