Python3 数据科学（六）：seaborn（二）：高级绘图

21 November, 2018. It was a Wednesday.
view:

seaborn 高级绘图

上节介绍了一些简单的 seaborn 的颜色和样式，这节让我们来看一下 seaborn 中一些常用的数据的绘图操作。

首先进行一些常用库的导入操作：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from scipy import stats,integrate

单变量数据

有时候对于一些数据来说，有时可能得需要对数据的每一个属性进行分析，这种情况称之为单变量分析。

而这种情况通常是使用 直方图 来进行展示

首先使用 numpy 中的 random 来创建一些随机的符合高斯分布的数据：

x = np.random.normal(size=100)

sns.distplot(x, kde=False)
  • x：表示所需要绘制的数据集
  • kde：是否绘制高斯核密度估计，默认为 True

显示结果：

result

当然也可以显示高斯核密度，并且可以指定 bins 来将数据显示为多少个柱

sns.distplot(x, bins=20)
  • x：表示所需要绘制的数据集
  • bins：数据显示为多少个柱

显示结果：

result

当然对于一些符合某种分布的数据来说，也可以对其进行相应的数据拟合操作，只需要指定 fit 参数

# 生成 gamma 分布数据
x = np.random.gamma(6, size=200)
# 使用fit 属性来拟合 gamma 曲线
sns.distplot(x, kde=False, fit=stats.gamma)
  • x：表示所需要绘制的数据集
  • kde：是否绘制高斯核密度估计，默认为 True
  • fit：对数据进行何种拟合操作

显示结果：

result

两个变量分析

有时需要对数据集中的两个属性之间进行分析，这时最好使用散点图和回归图来进行分析。

散点图 jointplot

首先我们先创建一些相关的数据，这是指定均值和协方差使用 np.random.multivariate_normal来创建200个服从正态分布的数据，并将其转变为 DataFrame 格式的数据。

mean, cov = [0, 1], [(1, .5), (.5, 1)]
data = np.random.multivariate_normal(mean, cov, 200)
df = pd.DataFrame(data, columns=['x', 'y'])
df

result

接下来使用散点图来绘制这些数据：

sns.jointplot(x='x', y='y', data=df)
  • x：x 轴所需展示的数据，传入字符串的话表示数据标签，还需传入 data 集
  • y：y 轴所需展示的数据，传入字符串的话表示数据标签，还需传入 data 集
  • data：数据集

显示结果：

result

上面的这种散点图的绘制方式是适合于数据量比较少的情况下使用，而对于数据量比较多的时候就得使用一些特殊的散点图了，改变散点图的格式使用的是 kind参数。

# 创建1000个数据
x, y = np.random.multivariate_normal(mean, cov, 1000).T

sns.jointplot(x=x, y=y, kind='hex')
  • x：x 轴所需展示的数据
  • y：y 轴所需展示的数据
  • kind：散点图格式，kind : { “scatter” “reg” “resid” “kde” “hex” }

显示结果：

result

回归图

回归图主要有两种：

  • regplot
  • lmplot

regplot 是基本的回归图绘制方法，而 lmplot 则提供了一些更高级操作。在分析数据时可以根据不同的需要来使用。

首先回归分析所使用的数据集为 tips，它已经内置到了 seaborn 中，可以直接使用。

tips = sns.load_dataset('tips')

简单查看下这些数据：

tips.head()

显示结果：

result

数据分别是：

  • total_bill：总花费金额
  • tip：小费金额
  • sex：性别
  • smoker：是否吸烟
  • day：星期日期
  • time：时间，中午还是晚上
  • size：吃饭人数

接下来针对这些数据中的属性来绘制回归图

regplot

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

显示结果：

result

上图就展示吃饭总的花费和小费之间的关系。

再来看一下吃饭的人数和给小费的关系：

sns.regplot(x='size', y='tip', data=tips)

显示结果：

result

由于 size 数据是固定的数字，来做回归分析不是很好，因此，可以将数据进行一定的抖动，抖动可以分为x轴和y轴

sns.regplot(x='size', y='tip', data=tips, x_jitter=0.05)
  • x_jitter：左右抖动 0.05 的距离

显示结果：

result

lmplot

lmplot 也可以用来绘制回归分析的曲线，而且还拥有较多的可选参数，可以用来绘制出更复杂的图像

hue

hue 属性是关注数据集中的变量

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

显示结果：

result

上图便展示了 total_bill 和 tip 中是否吸烟对结果的影响。

还可以指定画图的样式和格式

  • markers：点的样式
  • palette：调色板名称
sns.lmplot(x="total_bill", y="tip", hue="smoker", data=tips,
           markers=["o", "x"], palette="Set1");

显示结果：

result

col

还可以使用 col 参数来根据某些属性的取值来将图像分开成不同的列来展示

sns.lmplot(x='total_bill', y='tip', hue='smoker', col='time', data=tips)

显示结果：

result

row

还可以使用 row 参数来根据某些属性的取值来将图像分开成不同的行来展示

sns.lmplot(x='total_bill', y='tip', hue='smoker', col='time', row='sex', data=tips)

显示结果：

result

还可以将数据分别进行展示

  • col_wrap：一行展示几个图形，
  • size：图形的大小
sns.lmplot(x="total_bill", y="tip", col="day", data=tips,
           col_wrap=2, size=4);

显示结果：

result

多变量分析

多变量图 pairplot

我们对鸢尾花的数据集中各个属性之间的关系进行展示：

# 加载鸢尾花数据集
iris = sns.load_dataset("iris")
# pairplot 绘制数据集中的多个属性之间的关系。
sns.pairplot(iris)

显示结果：

result

分类数据

很多情况下我们所要分析的数据中都存在某些按照类别划分的数据，对于这种数据进行分析就不能使用之前的回归数据的分析方法，接下来介绍主要用于分类数据绘制的几种图形：

  • 分布散点图：stripplot、swarmplot
  • 盒图：boxplot
  • 小提琴图：violinplot
  • 条形图：barplot
  • 点图：pointplot
  • 多层面板分类图：factorplot

接下来分别介绍一下他们的主要用法。

分布散点图绘制

sns.stripplot(x='day', y='total_bill', data=tips)

我们将数据按每一天进行分类，总共分成4类，接下来分别显示在每一天中吃饭所花费费用的一个情况

在分布散点图当中默认有一个参数是 jitter=True 即抖动数据,所以数据的显示结果为：

显示结果：

result

相对应的，我们可以查看下未进行抖动的数据的分布情况：

sns.stripplot(x='day', y='total_bill', data=tips, jitter=False)

显示结果：

result

还有一种分布散点图是 swarmplot

sns.swarmplot(x='day', y='total_bill', data=tips)

显示结果：

result

可以看出结果更像是一颗圣诞树的样子，这种方式展示的数据更加好看一点，可以根据个人喜好来选择。

还可以使用 hue 参数来关注一些重点的数据

sns.swarmplot(x='day', y='total_bill', hue='sex', data=tips)

显示结果：

result

还可以将 x 和 y 数据互换，使图像横着显示

sns.swarmplot(y='day', x='total_bill', hue='sex', data=tips)

显示结果：

result

盒图

  • IQR 即统计学概念四分位距，第 1/4 位与第 3/4 位之间的距离
  • N = 1.5IQR
  • 如果一个值 >Q3+N 或 <Ｑ1-N,则为离群点
sns.boxplot(x='day', y='total_bill', hue='time', data=tips)

显示结果：

result

对于一些宽型数据来说可以使用 orient 参数来进行显示

sns.boxplot(data=iris,orient="h")

显示结果：

result

小提琴图

  • 使用核密度估计来更好地描述值的分布。
  • 小提琴内还显示了箱体四分位数和晶须值。
  • 由于小提琴使用KDE，还有一些其他可以调整的参数，相对于简单的boxplot增加了一些复杂性
sns.violinplot(x='day', y='total_bill', hue='time', data=tips)

显示结果：

result

使用 split参数来将 hue 所指定的数据对应展示,注意只能是hue具有 两个属性的时候使用

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

显示结果：

result

条形图

  • 显示值的集中趋势可以用条形图
# 加载所需的数据集
titanic = sns.load_dataset("titanic")

sns.barplot(x="sex", y="survived", hue="class", data=titanic);

显示结果：

result

点图

  • 点图可以更好的显示数据的变化
sns.pointplot(x="sex", y="survived", hue="class", data=titanic);

显示结果：

result

还可以对图像的格式颜色样式进行单独设置来画出更好看的图形

sns.pointplot(x="class", y="survived", hue="sex", data=titanic,
              palette={"male": "g", "female": "m"},
              markers=["^", "o"], 
              linestyles=["-", "--"]);
  • palette：调色板
  • markers：点的样式
  • linestyles：曲线样式

显示结果：

result

多层面板分类图

使用这种图可以实现之前多种类型图像的显示

seaborn.factorplot(x=None, y=None, hue=None, data=None, row=None, col=None, col_wrap=None, estimator=, ci=95, n_boot=1000, units=None, order=None, hue_order=None, row_order=None, col_order=None, kind='point', size=4, aspect=1, orient=None, color=None, palette=None, legend=True, legend_out=True, sharex=True, sharey=True, margin_titles=False, facet_kws=None, **kwargs)

Parameters：

  • x,y,hue 数据集变量 变量名
  • date 数据集 数据集名
  • row,col 更多分类变量进行平铺显示 变量名
  • col_wrap 每行的最高平铺数 整数
  • estimator 在每个分类中进行矢量到标量的映射 矢量
  • ci 置信区间 浮点数或None
  • n_boot 计算置信区间时使用的引导迭代次数 整数
  • units 采样单元的标识符，用于执行多级引导和重复测量设计 数据变量或向量数据
  • order, hue_order 对应排序列表 字符串列表
  • row_order, col_order 对应排序列表 字符串列表
  • kind : 可选：point 默认, bar 柱形图, count 频次, box 箱体, violin 提琴, strip 散点，swarm 分散点 size 每个面的高度（英寸） 标量 aspect 纵横比 标量 orient 方向 “v”/”h” color 颜色 matplotlib颜色 palette 调色板 seaborn颜色色板或字典 legend hue的信息面板 True/False legend_out 是否扩展图形，并将信息框绘制在中心右边 True/False share{x,y} 共享轴线 True/False

其默认的显示风格为：

sns.factorplot(x="day", y="total_bill", hue="smoker", data=tips)

显示结果：

result

但是给其设置不同的 kind 参数，便可以绘制指定类型的曲线：

sns.factorplot(x="day", y="total_bill", hue="smoker", data=tips, kind="bar")

显示结果：

result

sns.factorplot(x="day", y="total_bill", hue="smoker",
               col="time", data=tips, kind="swarm")

显示结果：

result

sns.factorplot(x="time", y="total_bill", hue="smoker",
               col="day", data=tips, kind="box")

显示结果：

result

查看作者信息

本站文章分类

相关友情链接