《PySpark大数据分析实战》-26.数据可视化图表Seaborn介绍

📋 博主简介

• 💖 作者简介：大家好，我是wux_labs。😜
  热衷于各种主流技术，热爱数据科学、机器学习、云计算、人工智能。
  通过了TiDB数据库专员（PCTA）、TiDB数据库专家（PCTP）、TiDB数据库认证SQL开发专家（PCSD）认证。
  通过了微软Azure开发人员、Azure数据工程师、Azure解决方案架构师专家认证。
  对大数据技术栈Hadoop、Hive、Spark、Kafka等有深入研究，对Databricks的使用有丰富的经验。
• 📝 个人主页：wux_labs，如果您对我还算满意，请关注一下吧~🔥
• 📝 个人社区：数据科学社区，如果您是数据科学爱好者，一起来交流吧~🔥
• 🎉 请支持我：欢迎大家 点赞👍+收藏??+吐槽📝，您的支持是我持续创作的动力~🔥

《PySpark大数据分析实战》-26.数据可视化图表Seaborn介绍

前言

大家好！今天为大家分享的是《PySpark大数据分析实战》第3章第4节的内容：数据可视化图表Seaborn介绍。

图书在：当当、京东、机械工业出版社以及各大书店有售！

Python数据可视化工具介绍

数据可视化是一种提取有价值数据的有效方法，是数据分析和机器学习中非常重要的一环。它有助于提高分析效率，为机器学习模型提供可靠的数据基础。它可以帮助人们更直观地理解数据，更好地理解数据的趋势和变化，发现潜在的联系，从而帮助人们更好地构建机器学习模型，提高模型的准确性。此外，数据可视化可以帮助人们更好地发现数据中的噪声和异常。通过可视化，可以更容易地发现噪声数据和异常情况，从而减少机器学习模型的误差。常用的Python数据可视化工具包括Matplotlib、Seaborn、Pyecharts等。

Seaborn介绍

Seaborn是Python中一个基于Matplotlib的数据可视化库，对Matplotlib进行了二次封装，提供了一些高级接口，可以让人们轻松地绘制统计图形，以便更好地理解数据分布和趋势。Seaborn旨在以数据可视化为中心来挖掘与理解数据，它提供的面向数据集制图函数主要是对行列索引和数组的操作，包含对整个数据集进行内部的语义映射与统计整合，以此生成富于信息的图表。Seaborn被广泛应用于数据分析、数据挖掘、统计建模等领域，因为它在细节、可扩展性和文档性方面都表现的非常优秀。相比于Matplotlib，Seaborn可以帮助人们更快速地完成高级绘图，同时还有更加美观和规范的配色方案。

Seaborn内置了多个数据集，可以方便人们进行实验和练习，同时也方便在实际工作中快速加载数据进行可视化分析。Seaborn内置的一些数据集包括：

• tips，餐厅顾客的消费账单数据集。
• flights，美国航空公司国内航班乘客的数量统计数据集。
• fmri，基于功能性磁共振成像（fMRI）技术收集的神经影像数据集。
• iris，鸢尾花数据集，包含了鸢尾花的花萼长度、花萼宽度、花瓣长度和花瓣宽度。
• diamonds，钻石数据集，包含了钻石的各项指标，例如重量、颜色、净度等。
• titanic，泰坦尼克号数据集，包含了泰坦尼克号上乘客的各项信息，例如船舱等级、性别、年龄、生存情况等。

要在项目中使用Seaborn，需要在Python环境中安装Seaborn，命令如下：

$ pip install seaborn

在使用时需要在Python脚本中导入seaborn，代码如下：

import seaborn as sns

绘制折线图

Seaborn提供了lineplot()方法来绘制折线图，lineplot()方法的主要参数有：

• x，指定折线图的x轴数据。
• y，指定折线图的y轴数据。
• hue，指定分类变量，用于绘制不同颜色的线。
• style，指定分类变量，用于绘制不同风格的线。
• size，指定分类变量，用于绘制不同大小的线。
• palette，指定调色板，用于设置线的颜色。
• legend，指定是否显示图例。

在下面的案例中，使用Seaborn绘制了两幅折线图，代码如下：

plt.subplot(1, 2, 1)
fmri = sns.load_dataset("fmri")
sns.lineplot(x="timepoint", y="signal", data=fmri)

plt.subplot(1, 2, 2)
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y = [2, 3, 6, 4, 5, 8, 5, 9, 7, 10]
sns.lineplot(x=x, y=y)

plt.show()

执行代码，绘制的图形如图所示。

绘制柱状图

Seaborn提供了barplot()方法来绘制柱状图，barplot()方法的主要参数有：

• x，指定要绘制的数据在DataFrame中的列名或标签，可以是单个变量或多个变量组成的列表。
• y，指定要绘制的数据在DataFrame中的列名或标签，可以是单个变量或多个变量组成的列表。
• data，指定要绘制图形的数据。
• hue，指定一个或多个列名或标签，用于对数据进行分组，每组的数据会用不同的颜色或样式进行区分。

在下面的案例中，使用Seaborn绘制了两幅柱状图，代码如下：

plt.subplot(1, 2, 1)
titanic = sns.load_dataset('titanic')
sns.barplot(x='sex', y='survived', hue='class', data=titanic)

plt.subplot(1, 2, 2)
categories = ['A', 'B', 'C', 'D', 'E']
values = [23, 45, 12, 34, 32]
sns.barplot(x=categories, y=values)

plt.show()

执行代码，绘制的图形如图所示。

绘制箱型图

Seaborn提供了boxplot()方法来绘制箱型图，boxplot()方法的主要参数有：

• x, y，指定绘制箱型图的数据，可以是数组、Series或DataFrame等。
• data，指定要绘制图形的数据。
• order，可以指定分组变量的顺序。
• hue_order，可以指定分组变量中各组的顺序。
• orient，指定箱型图的方向，可以是垂直方向（v）或水平方向（h）。
• color，指定箱型图中箱体和点的颜色。

在下面的案例中，使用Seaborn绘制了两幅箱型图，代码如下：

plt.subplot(1, 2, 1)
tips = sns.load_dataset('tips')
sns.boxplot(x='day', y='total_bill', data=tips)

plt.subplot(1, 2, 2)
data = pd.DataFrame(np.random.randint(1, 100, (200, 5)))
sns.boxplot(data=data)

plt.show()

执行代码，绘制的图形如图所示。

结束语

好了，感谢大家的关注，今天就分享到这里了，更多详细内容，请阅读原书或持续关注专栏。