前言

如果说pandas 是numpy 的儿子，那matplotlib 包就是seaborn 的爸爸了。

也因此，儿子辈分的seaborn 和pandas 玩的很不错。（seaborn 善于处理pandas 中的表格文件）

另外，matplotlib 与pandas 其实也都自带一些绘图函数，为何还要用seaborn呢？

答案恐怕是让专业的包来做专业的事情吧。
image.png

另外，我们可以将作图的内容想象为一个白纸，而无论是pandas, matplotlib 还是seaborn，都是在上面作画。也正因此，三者对图像的修改都会对整体产生变化。比如用pandas做了一个简单的图，用seaborn修改风格，用matplotlib 添加一些文体……它们都是一个整体。

另外，我们要知道，seaborn 是来自matplotlib的，因此使用如果知道某些matplotlib的方法，也可以尝试在seaborn中使用，毕竟它们是一家人。

加载数据

除了可以通过pd 加载表格，seaborn 也提供了获得表格的方式。
.load_dataset('') 。

seaborn 常用元素选项

x，x轴数据。
y，y轴数据。
data，数据集。
hue，颜色区分图像。（自动添加标注） hue_order = [] ，修改hue 显示标注的顺序。 palette = {} ，字典存放指定分类的颜色，键为标注信息，值为对应自定义的颜色，同样也可以使用html 的颜色代码。
个人理解hue 可以实现matplotlib 中的color 和legend 的功能。
image.png
size, 点的大小。（适用于散点图）
style，点的样式。（适用于散点图）
alpha，透明度。

适合表现连续变量

散点图

虽然sns 有很强的画图功能，但其最终的图像展示部分还需要借助matplotlib，因此也需要导入matplotlib.pyplot。

  1. # Import Matplotlib and Seaborn
  2. import matplotlib.pyplot as plt
  3. import seaborn as sns
  5. # Change this scatter plot to have percent literate on the y-axis
  6. sns.scatterplot(x=gdp, y=phones)
  8. # Show plot
  9. plt.show()

image.png

线图

是与散点图类似的关系型图像。它更能体现变化的趋势，因为具备track 的功能。
image.png

如果线图中的同个x下有多个值（同个x 有多个对应的y），则会汇集于一个值并作图（默认为平均），并根据置信做出阴影部分（95%置信）。
image.png

相关参数

markers, 点的标记，可以设为True。
dashes，线段的样式，不做改变设为False。
ci，设定置信计算的值，比如’sd’ 表示标准差。或设为None，关闭阴影。

适合表现分类变量

条形图与计数图都适合表现分类变量，对应于连续变量使用 relplot , catplot 更适用于这方面。如果将分类变量换到y，seaborn 会自动识别，并将图像翻转（不过还是建议分类变量放在x轴噢）。

重要参数

order，设定x轴的顺序。
kind，设定图像。
ci，是否添加误差棒。

条形图

和mpl 中类似，但seaborn 中的条形图默认添加了误差棒。也可以设定ci 删除。

直方图

表现频数分布的图形。

# Display a Seaborn distplot
sns.distplot(df['Award_Amount'])
plt.show()

# Clear the distplot
plt.clf()

image.png

相关参数

kde，设置为False 可以还原为简单的直方图（去掉线段）。
kde_kws，用字典设定kde 参数，如 kde_kws = {'shade' : True} ，表示给线段覆盖区域添加阴影。
hist，False 可以去掉hist。
rug，True 添加rug，即图形底部的竖线，也可以用来表现数据的分布。（mini版的hist）
bin，设定柱子的宽度。

计数图

有点类似于matplotlib 中的直方图。

# Import Matplotlib and Seaborn
import matplotlib.pyplot as plt
import seaborn as sns

# Create count plot with region on the y-axis
sns.countplot(y=region)

# Show plot
plt.show()

image.png

箱线图

image.png
关于箱线图介绍，可以参考matplotlib 中的介绍：002. 使用matplotlib绘图

相关参数

sym，设定异常值处理， sym="" 可以去除。
whis, 设定“箱子”取值范围（默认25%与75%分为数）。
image.png

# Set the whiskers at the min and max values
sns.catplot(x="romantic", y="G3",
            data=student_data,
            kind="box",
            whis=[0, 100])

# Show plot
plt.show()

image.png

小提琴图

# Create a violinplot with the husl palette
sns.violinplot(data=df,
               x='Award_Amount',
               y='Model Selected',
               palette='husl')

plt.show()
plt.clf()

image.png

lv图

# Create a lvplot with the Paired palette and the Region column as the hue
sns.lvplot(data=df,
           x='Award_Amount',
           y='Model Selected',
           palette='Paired',
           hue='Region')

plt.show()
plt.clf()

image.png

点线图

点线图与箱线图都是反映分类变量间简单统计学差异的好图。只是差别在于，点线图能更直观反映二者中位数差异，且显示了95%的置信。而与条形图的区别，也是它可以更好的表现数值上的差异。
image.png

相关参数

estimator，默认下点线图上的点表示的是分组内的平均值，可以通过引入numpy包统计学函数，比如estimator = median , 更换为中位数。
capsize，修改errorbar 的帽子宽度。
ci，None 可以不要误差棒。
join，设为False 可以去除连接点的线段。

航线图

# Create the stripplot
sns.stripplot(data=df,
              x='Award_Amount',
              y='Model Selected',
              jitter=True)

plt.show()

image.png
jitter 选项可以为相同取值的点产生一个轻微的抖动（位移），使它们不覆盖在一起。

蜂群图

image.png

统计功能的图像

回归图

相当于是散点图+回归线，会为散点的数据拟合一条回归线。
image.png
.regplot()

另外，类似直方图中的kdeplot，回归图也有另外一个更厉害的选择—— lmplot 。不过需要注意的是，二者部分参数不共享（比如lm不支持marker）

# Create a regression plot with multiple rows
sns.lmplot(data=df,
           x="insurance_losses",
           y="premiums",
           row="Region")

# Show the plot
plt.show()

image.png

相关参数

marker，设定散点的样式，比如 '+' 。
order，设置多元回归大小。
x_bins，将x对应的数值分组， x_bins = 4，分成四组。
fit_reg，False 将去除回归线。

多元回归

image.png

分类变量进行回归

image.png

使用estimator 美化

image.png
上图中，将直接取分类下所有数值的平均值进行计算。

残差图

residplot，残差图，可以用来评价模型的合适程度。
image.pngimage.pngimage.png

image.png
image.png

创建多个图

类似matplotlib 中的subplot，seaborn也可以在同一个图像里创建多个子图像。
sns.relplot()

参数有：
kind，指定图像类型，scatter, line …
col，直接可以指定某列，根据列内容差异直接将图像分为左右两边。col_wrap 用于设定每行的列数，如 col_wrap = 2 ，即每行有两个图像。 col_order = [] 可以设定子图像顺序。（ps：col与row 的设定及使用和hue 非常相似）
image.png
row，直接可以指定某行，根据列内容差异直接将图像分为上下两边。
image.png

FacetGrid

image.png
image.png
第一步创建FacetGrid 更像是建立一个和数据集相关的画表，并指定分组条件。
接着通过在g.map 内指定创建指定的图形类型和其他参数，以进行绘图。

还有另外一种调用facetgrid 的方式。
image.png

PairGrid

如同它的名字一样，pairgrid 出现成对的图像。它可以用来非常方便的查看多个列之间数据的关系。
image.png
也可以自定义两边对角线的图形。
image.png

和facetgrid 一样，pairgrid 也有简单调用的方式。
image.png

# plot relationships between insurance_losses and premiums
sns.pairplot(data=df,
             vars=["insurance_losses", "premiums"],
             kind='reg',
             palette='BrBG',
             diag_kind = 'kde',
             hue='Region')

plt.show()
plt.clf()

image.png

JointGrid

image.png
非常漂亮，相比于PairGrid 的相等大小并列图片，JointGrid 更能突出重点。比如对于一组变量间的研究，中心使用散点图表现二者的关系，上方与右方使用直方图表现对应一边变量的分布情况。

可以使用 g.plot 直接指定中心与周边图像，也可以使用 g.plot_joint() 与 g.plot_marginals() 分别指定。
image.png

jointgrid 也有简单调用的方式，使用jointplot()。
image.png

调整与修改图像

更动标题和标签

对于seaborn 中的图像对象，有两种类型，对待这两种类型，有不同的添加标题与标签的方式。
image.png
image.png
总的来说，可以制作多个坐标的是facetgrid，而单一坐标的是axessubplot。

facetgrid

g.fig.subtitle('')

通过设置y，可以调整标题位置，默认为1。

g.set(xlabel = , ylabel = ) 可以设定坐标轴边的label。

plt.xticks(rotation = ) 可以修改标注的角度。（使用matplotlib 的方法）

axessubplot

g.set.title('')
通过设置y，可以调整标题位置，默认为1。
可以将变量（表格中的列名）作为标题名，命名规则为’This is {col_name}’。

移除默认图框

sns.despine() ，默认清楚上与右侧边框，也可以手动设定，’left’ 可以移除左侧的。
image.png

自定义图像的风格

类似mpl 中的plt.style.use('xx')，sns 中也有，包括默认的 sns.set() ，或其他的sns.set_style("whitegrid")

另外，还可以使用seaborn 中的配色方案， sns.set_palette('RdBu')

还可以调整图像字体的大小。使用 sns.set_context()

修改seaborn 默认风格参数

sns.set()，可以修改seaborn 的默认风格。
比如可以修改参数， color_codes = True ，可以使用颜色代码进行颜色选择。
image.png

一些风格

  • whitegrid

image.png

  • ticks

image.png

  • darkgrid

image.png

调色板

image.png
image.png

查看当前画板

sns.paplot() 可以返回一个palette图像，而当我们用 sns.set_palette() 后，就可以画图以查看不同seaborn中的不同颜色或者不同的画板了。
image.png

定制自己的调色板

image.png

# Create the Purples palette
sns.palplot(sns.color_palette("Purples", 8))
plt.show()

ps：seaborn 自带的各种颜色主题还都蛮好看的。

image.png