Seaborn——可视化的具体API应用

一、Seaborn概述

????????Seaborn 是基于 matplotlib的图形可视化 python包。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。

????????Seaborn和 Pandas的API配合的很好，使用DataFrame/Series的数据就可以绘图

二、绘制单变量图

1、直方图? ? histplot

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

# 配置Matplotlib
# 设置正常显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
# 设置如何显示负号
plt.rcParams['axes.unicode_minus'] = False

rcParams：是一个字典，用于设置Matplotlib的配置参数

' font.sans-serif '：是rcParams中的一个键，它用于指定无衬线字体（sans-serif 字体）的默认字体。

[ ' SimHei ' ]：是一个列表，其中包含一个字体名称。这里，我们设置默认的无衬线字体为“SimHei”。“SimHei”是一种常用的中文字体，用于在显示中文时确保文字的正常显示。?#

' axes.unicode_minus '：用于指定是否使用Unicode字符来表示负号。

# 加载小费数据
tips = pd.read_csv('data/tips.csv')

# 使用subplots函数创建画布，并在其中添加子图
fig, ax = plt.subplot(figsize=(12,6))

# kde 绘制核密度估计
sns.histplot(tips['total_bill'],kde=True,ax=ax)
ax.set_title('总账单直方图')
plt.show()

运行结果：

?2、密度图（核密度估计）? ?kdeplot

????????是展示单变量分布的另一种方法，本质上是通过绘制每个数据点为中心的正态分布，然后消除重叠的图，使曲线下的面积为1来创建的。

sns.kdeplot(tips['total_bill'],ax=ax)
ax.set_title('总账单KDE图')
plt.show()

运行结果：

?3、计数图（条形图）? ?countplot

????????计数图（条形图）是对离散变量（分类变量）计数

sns.countplot(data=tips,x='day')
ax.set_title('Count of days')
ax.set_xlabel('Day of the Week')
ax.set_ylabel('Frequency')
plt.show()

运行结果：

?三、双变量数据可视化

1、散点图? ? scatterplot

sns.scatterplot(x='total_bill',y='tip',data=tips)
ax.set_title('Total Bill 和 Tip 散点图')
ax.set_xlabel('Total Bill')
ax.set_ylabel('Tip')
plt.show()

运行结果：

?regplot 不仅可以绘制散点图，还会拟合回归线，把 fit_reg 设置为False，将只显示散点图

sns.regplot(x='total_bill',y='tip',data=tips)
ax.set_title('regplot of Total Bill and Tip')
ax.set_xlabel('Total Bill')
ax.set_ylabel('Tip')
plt.show()

运行结果：

?lmplot 函数和regplot函数类似，也可以用于创建散点图。lmplot 函数内部会调用regplot，两者的主要区别是 regplot 创建坐标轴，而 lmplot 创建图

sns.lmplot(x='total_bill',y='tip',data=tips)

运行结果：

?还可以使用 jointplot 在每个轴上创建包含单个变量的散点图

joint = sns.jointplot(x='total_bill',y='tip',data=tips)
joint.set_axis_labels(xlabel = 'Total Bill', ylabel = 'Tip')
joint.fig.suptitle('Joint Plot of Total Bill and Tip', fontsize = 10, y=1.03)
plt.show()

运行结果：

?2、蜂巢图

使用 Seaborn 的 jointplot 绘制蜂巢图

joint = sns.jointplot(x='total_bill',y='tip',data=tips,kind='hex')
joint.set_axis_labels(xlabel = 'Total Bill', ylabel = 'Tip')
joint.fig.suptitle('Hexbin Joint Plot of Total Bill and Tip', fontsize = 10, y=1.03)
plt.show()

运行结果：

3、?2D密度图

2D密度图和 kdeplot 类似，但2D核密度图可展示两个变量

sns.kdeplot(data=tips,x='total_bill',y='tip',fill=True)    # 是否填充轮廓
ax.set_title('Kernel Density Plot of Total Bill and Tip')
ax.set_xlabel('Total Bill')
ax.set_ylabel('Tip')
plt.show()

运行结果：

sns.kdeplot(data=tips,x='total_bill',y='tip')    # 是否填充轮廓

?运行结果：

?4、条形图? ? barplot

barplot 默认会计算平均值

sns.barplot(x='time',y='total_bill',data=tips,errorbar=None)

运行结果：

?5、箱线图? ? boxplot

用于显示多种统计信息：最小值，1/4分位，中位数，3/4分位，最大值，以及离群值（如果有）

sns.boxplot(x='time',y='total_bill',data=tips)

????????箱子的中间有一条线，代表了数据的中位数

????????箱子的上下底，分别是数据的上四分位数（Q3）和下四分位数（Q1）

????????箱体包含了50%的数据。因此，箱子的高度在一定程度上反映了数据的波动程度

????????上下边缘则代表了该组数据的最大值和最小值

????????有时候箱子外部会有一些点，可以理解为数据中的“异常值”

6、小提琴图? ? violinplot

????????箱线图是经典的可视化方法，但可能会掩盖数据的分布，小提琴图能显示与箱线图相同的值 小提琴图把"箱线"绘成核密度估计，有助于保留数据的更多可视化信息

sns.violinplot(x='time',y='total_bill',data=tips)

?7、成对关系

????????当大部分数据是数值时，可以使用 pairplot 函数把所有成对关系绘制出来

????????pairplot 函数会为单变量绘制直方图，双变量绘制散点图

 sns.pairplot(tips)

?pairplot 的缺点是存在冗余信息，图的上半部分和下半部分相同

?可以使用 pairgrid 手动指定图的上半部分和下半部分

pair_grid = sns.PairGrid(tips)
pair_grid.map_upper(sns.regplot)
pair_grid.map_lower(sns.kdeplot)
pair_grid.map_diag(sns.histplot)
plt.show()

?

?四、多变量数据

1、通过颜色区分

????????使用 violinplot 函数时，可以通过 hue 参数按性别（sex）给图着色，可以为“小提琴”的左右两半着不同颜色，用于区分性别

sns.violinplot(x='time', y='total_bill', hue='sex', data=tips, split=True)

?

scatter = sns.lmplot(x='total_bill', y='tip', data = tips, hue='sex', fit_reg = False)

sns.pairplot(tips, hue = 'sex')

?2、通过大小和形状区分

????????可以通过点的大小表示更多信息，但通过大小区分应谨慎使用，当大小差别不大时很难区分 在Seaborn中的 lmplot，可以通过 scatter_kws 参数来控制散点图点的大小

scatter = sns.lmplot(x='total_bill', y='tip', data = tips, fit_reg=False, hue='sex', markers=['o','x'])

五、Seaborn主题和样式

????????可以使用 sns.set_style 函数更改样式，该函数只要运行一次，后续绘图的样式都会发生变化 Seaborn 有5种样式：darkgrid 黑色网格（默认）、whitegrid 白色网格、dark 黑色背景、white 白色背景

fig,ax = plt.subplots()
ax = sns.violinplot(x='time', y='total_bill', hue='sex', data = tips, split = True)