[[415432]]

本文轉載自微信公眾號「數倉寶貝庫」，作者王愷 等。轉載本文請聯系數倉寶貝庫公眾號。

Seaborn是一種開源的數據可視化工具，它在Matplotlib的基礎上進行了更高級的API封裝，因此可以進行更復雜的圖形設計和輸出。Seaborn是Matplotlib的重要補充，可以自主設置在Matplotlib中被默認的各種參數，而且它能高度兼容NumPy與Pandas數據結構以及Scipy與statsmodels等統計模式。Seaborn已集成在Anaconda中，無須再次安裝。

01關系圖

關系圖能夠直觀地展示數據變量之間的關系以及這些關系如何依賴于其他變量，Seaborn中常用的繪制數據關系圖的函數是relplot()，其語法格式如下：

seaborn.relplot(*[, x, y, hue, size, style, data, kind, …]) 

參數說明如下：

• data是輸入的數據集，數據類型可以是pandas.DataFrame對象、numpy.ndarray數組、映射或序列類型等。
• x和y是參數data中的鍵或向量，指定關系圖中x軸和y軸的變量。
• hue也是data中的鍵或向量，根據hue變量對數據進行分組，并在圖中使用不同顏色的元素加以區分。
• size也是data中的鍵或向量，根據size變量控制圖中點的大小或線條的粗細。
• style也是data中的鍵或向量，根據style變量對數據進行分組，并在圖中使用不同類型的元素加以區分，比如點線、虛線等。
• kind指定要繪制的關系圖類型，可選"scatter"(散點圖)和"line"(線形圖)，默認值為"scatter"。

relplot函數提供了幾種可視化數據變量之間關系的方法，通過kind參數選擇要使用的方法，并通過hue、size和style等參數來顯示數據的不同子集。常見的關系圖有兩種，即散點圖和線形圖，因此Seaborn還提供了scatterplot和lineplot函數，它們的語法格式如下：

seaborn.scatterplot(*[, x, y, hue, style, size, …]) 
 
seaborn.lineplot((*[, x, y, hue, style, size, …]))  

scatterplot用于繪制散點圖，相當于seaborn.relplot(kind="scatter");lineplot用于繪制線形圖，相當于seaborn.relplot(kind="line");其他參數及含義與relplot函數相同。當其中一個變量是連續變量時，更適合使用線形圖表示變量之間的關系。

下面通過代碼清單1演示如何用Seaborn繪制關系圖。

代碼清單1　Seaborn繪制關系圖的示例 
 
1 import matplotlib.pyplot as plt 
 
2 import seaborn as sns 
 
3 tips= sns.load_dataset("tips") 
 
4 print(tips.head()) 
 
5 sns.relplot(x='total_bill', y='tip', data=tips, hue='smoker', style='sex', size='size') 
 
6 plt.show() 

程序執行結束后，輸出的結果如下：

     total_bill   tip     sex   smoker  day   time   size 
 
0         16.99  1.01  Female       No  Sun  Dinner     2 
 
1         10.34  1.66    Male       No  Sun  Dinner     3 
 
2         21.01  3.50    Male       No  Sun  Dinner     3 
 
3         23.68  3.31    Male       No  Sun  Dinner     2 
 
4         24.59  3.61  Female       No  Sun  Dinner     4 
 
<seaborn.axisgrid.FacetGrid at 0x16dea2711f0> 

程序繪制的關系圖如圖1所示。

圖1　Seaborn繪制散點關系圖示例

下面對代碼清單1中的代碼做簡要說明。

• 第2行代碼導入seaborn模塊并將其重命名為sns。
• 第3行代碼通過sns.load_dataset()函數連網加載Seaborn開發者提供的在線樣本數據集“tips.csv”，返回值tips是一個DataFrame對象。
• 第4行代碼打印tips數據的前5行，以觀察數據結構。
• 第5行代碼通過sns.relplot()函數繪制total_bill與tip變量的關系圖，如圖1所示。x坐標為'total_bill'變量，y坐標為'tip'變量;hue='smoker'指定以'smoker'變量對數據點進行分類并以不同顏色顯示，不吸煙者對應的數據點是藍色的，吸煙者對應的數據點為橙色;style='sex'指定以'sex'變量對數據點進行分類并以不同樣式顯示，女性對應的數據點形狀是圓點，而男性對應的數據點形狀則是“×”;size='size'指定以'size'變量對數據點進行分類并以不同大小顯示。從圖6-6中可以進一步分析出不同分類中total_bill與tip的關系。

Tips

sns.load_dataset()函數是連網加載在線數據集，還可以在https://github.com/mwaskom/ seaborn-data網站中將數據集下載到本地使用。

02分布圖

分布圖可以直觀地顯示一個或多個變量在某個維度上的分布情況。Seaborn提供了幾種常用的繪制分布圖的函數，包括displot()、histplot()、rdeplot()、rugplot()、distplot()和jointplot()等。

1. displot()函數

displot()函數提供了幾種可視化數據單變量或雙變量分布的方法，語法格式如下：

seaborn.displot([data, x, y, hue, row, col, …]) 

主要參數說明如下：

• data是輸入的數據集，數據類型可以是pandas.DataFrame對象、numpy.ndarray數組、映射或序列類型等。
• x和y是參數data中的鍵或向量，指定分布圖中x軸和y軸的變量。
• hue是data中的鍵或向量，根據hue變量對數據進行分組，并在圖中使用不同顏色的元素加以區分。
• row和col是data中的鍵或向量，根據row或col變量提取數據子集，并將子集分布情況繪制在不同的面板上。
• kind指定要繪制的分布圖類型，可選"hist"(直方圖)、"kde"(核密度估計)、 "ecdf"(經驗累積分布函數)，默認值為"hist"。

displot函數通過kind參數選擇要使用的繪制數據分布情況的方法，并通過hue、row、col等參數來處理不同的數據子集。Seaborn還提供了三個更具體的繪制分布圖的函數histplot()、kdeplot()和ecdfplot()，語法格式如下：

seaborn.histplot([data, x, y, hue, weights, stat, …]) 
 
seaborn.kdeplot([x, y, shade, vertical, kernel, bw, …]) 
 
seaborn.ecdfplot([data, x, y, hue, weights, stat, …]) 

• histplot()函數主要用于繪制單變量單特征數據的直方圖，相當于seaborn.displot (kind= "hist")。
• kdeplot()函數使用核密度估計繪制單變量或雙變量分布，相當于seaborn.displot (kind= "kde")。
• ecdfplot()函數使用經驗累積分布函數繪制單變量的分布，相當于seaborn.displot (kind= "ecdf")。

2. rugplot()函數

rugplot()函數的功能是繪制軸須圖(毛毯分布圖)，即通過邊緣軸須線的方式顯示單個觀測點的位置，以補充其他分布圖，其語法格式如下：

seaborn.rugplot([x, height=0.025, axis, ax, data, y, hue, …]) 

主要參數說明如下：

x和y分別是x軸和y軸的觀測值向量。

• height設置每個觀測點對應的軸須細線的高度，默認值為0.025。
• axis指定軸須圖繪制的坐標軸，默認為x軸。
• ax指定將圖像繪制在已有的axes對象中。
• hue指定區分顏色的分類變量。

3. distplot()函數

distplot()函數整合了Matplotlib的hist()函數與Seaborn的kdeplot()函數的功能，并增加了rugplot()函數繪制軸須圖的功能，因此它是一個功能非常強大且靈活實用的繪制分布圖函數，其語法格式如下：

seaborn.distplot([a, bins, hist, kde, rug, fit, …]) 

主要參數說明如下：

• a是待觀察分析的單個變量，數據類型可以是Series對象、一維數組或列表。
• bins指定直方圖顯示矩形條的數量，默認值為None，此時會根據Freedman-Diaconis準則自動計算合適的條紋個數。
• hist指定是否繪制直方圖，布爾類型，默認值為True。
• kde指定是否繪制高斯核密度估計曲線，布爾類型，默認值為True。
• rug指定是否在支持的數據軸上繪制對應軸須圖，布爾類型，默認值為False。
• fit傳入scipy.stats中的分布類型，用于在觀察變量上抽取相關統計特征來強行擬合指定的分布，并繪制估計的概率密度函數(PDF)，默認值為None，即不進行擬合。

下面通過代碼清單2演示如何通過Seaborn繪制分布圖。

代碼清單2　Seaborn繪制分布圖的示例 
 
1 import seaborn as sns 
 
2 import matplotlib.pyplot as plt 
 
3 tips= sns.load_dataset("tips") 
 
4 sns.set_theme(style="whitegrid") 
 
5 sns.displot(data=tips, x="total_bill", col="time", row="sex", binwidth=3, height=3, facet_kws= dict(margin_titles=True)) 
 
6 plt.subplots() 
 
7 sns.distplot(a=tips['total_bill'], rug=True, hist=False) 
 
8 plt.show() 

程序執行結束后，輸出的圖像如圖2和圖3所示。

下面對代碼清單2中的代碼做簡要說明。

• 第4行代碼通過sns.set_theme()函數設置主題樣式為whitegrid，即白色背景和網格線。
• 第5行代碼通過sns.displot()函數繪制total_bills變量的分布圖，默認繪圖樣式為直方圖。col="time"指定以time變量對數據分組并繪制在不同列，如圖2所示，time為Dinner的數據分布繪制在第一列，而time為Lunch的數據分布繪制在第二列;row="sex"指定以sex變量對數據再次分組并繪制不同行，如圖2所示，sex為Female的數據分布繪制在第一行，而sex為Male的數據分布繪制在第二行。binwidth=3指定直方圖矩形條的寬度為3;height=3指定每個子圖面板的高度為3;facet_kws = dict(margin_titles=True)設置每行對應row變量標簽繪制在最后一列的右側。
• 第6行代碼通過plt.subplots()函數新建一個Figure對象，用于繪制第二個圖像。
• 第7行代碼通過sns.distplot()函數繪制total_bill變量的高斯核密度估計曲線，rug=True表示要繪制對應的軸須圖，hist=False表示不繪制直方圖，kde默認值為True，即繪制高斯核密度估計曲線，如圖3所示。

圖2　seaborn.displot函數繪制分布圖示例

圖3　seaborn.distplot函數繪制高斯核密度估計曲線示例

4. jointplot函數

seaborn.jointplot()函數提供了幾種繪制兩個變量的聯合分布圖的方法，其語法格式如下：

seaborn.jointplot(*[,x,y,data,kind,color,...]) 

主要參數說明如下：

• data是輸入的數據集，數據類型可以是pandas.DataFrame對象、numpy.ndarray數組、映射或序列類型等。
• x和y是參數data中的鍵或向量，指定分布圖中x軸和y軸的變量。聯合分布圖是雙向繪制的，即兩個變量分別以對方作為自變量繪制分布圖。
• kind指定繪制主分布圖的類型，可選擇值為"scatter"(散點圖)、"kde"(核密度估計曲線)、"hist"(直方圖)、"hex"(六邊形圖)、"reg"(回歸圖)或"resid"(線性回歸殘差圖)，默認值為"scatter"。
• color指定圖像中元素的顏色。

下面通過代碼清單3演示如何通過jointplot函數繪制分布圖。

代碼清單3　jointplot函數繪制分布圖的示例 
 
1import seaborn as sns 
 
2import matplotlib.pyplot as plt 
 
3tips = sns.load_dataset("tips") 
 
4sns.set(style="white") #設置風格樣式 
 
5sns.jointplot(x="total_bill", y="tip", data=tips) 
 
6plt.show() 

程序執行結束后，輸出的圖像如圖4所示。

圖4　jointplot函數繪制聯合分布圖示例

下面對代碼清單3中的代碼做簡要說明。

• 第4行代碼通過sns.set()函數設置主題樣式為white，即白色背景無網格。
• 第5行代碼通過sns.jointplot()函數繪制total_bill和tip變量的聯合分布圖，如圖5所示。中間的主分布圖默認為散點圖，顯示total_bill和tip變量之間的關系。主圖上方對應繪制x軸變量total_bill的直方圖，主圖右側則對應繪制y軸變量tip的直方圖。

03分類圖

分類圖展示數據根據特定變量進行分類后的統計情況。常用的分類圖包括分類散點圖、箱形圖、條形圖等。Seaborn的catplot()函數提供了幾種不同的分類可視化方法，以便顯示數值變量與一個或多個分類變量之間的關系，常用語法格式如下：

seaborn.catplot(*[,x,y,hue,data,row,col,kind,...]) 

參數說明如下：

• data是輸入的數據集，數據類型只能是長格式的pandas.DataFrame對象，即每一列對應一個變量，每一行對應一個觀察值。
• x和y是data數據集中的變量名，指定分類圖中x軸和y軸的變量。
• hue也是data數據集中的變量名，根據hue變量對數據進行分組，并在圖中使用不同顏色的元素加以區分。
• row和col也是data數據集中的變量名，作為分類變量提取數據子集，并將子集分布情況繪制在不同的面板上。
• kind指定要繪制的分類圖類型，可選類型有"strip"(帶狀圖)、"swarm"(分簇散點圖)、"box"(箱形圖)、"violin"(小提琴圖)、"boxen"(增強箱形圖)、"point"(點估計)、"bar"(條形圖)或"count"(計數條形圖)，默認值為"strip"。

catplot()函數通過kind參數選擇要使用的繪制數據分類的方法，并通過hue、row、col等參數來處理不同的數據子集。Seaborn還提供了三類更具體的繪制分類圖的函數，包括分類散點圖、分類分布圖和分類預測圖。

1.分類散點圖函數

分類散點圖函數包括stripplot()和swarmplot()，常用的語法格式如下：

seaborn.stripplot(*[, x, y, hue, data, order, …]) 
 
seaborn.swarmplot(*[, x, y, hue, data, order, …]) 

seaborn.stripplot(*[,seaborn.swarmplot(*[,stripplot()相當于seaborn.catplot(kind= "strip")，可以顯示測量變量在每個類別的分布情況，繪制的散點呈帶狀，數據較多時會有重疊的部分。

swarmplot()相當于seaborn.catplot(kind= "swarm")，它與stripplot()類似，但繪制的數據點不會重疊。

2.分類分布圖函數

分類分布圖函數包括boxplot()、violinplot()和boxenplot()，常用的語法格式如下：

seaborn.boxplot(*[, x, y, hue, data, order, …]) 
 
seaborn.violinplot(*[, x, y, hue, data, order, …]) 
 
seaborn.boxenplot(*[, x, y, hue, data, order, …]) 

• boxplot()相當于seaborn.catplot(kind= "box")，用于繪制箱形圖以顯示與類別相關的分布情況，可以顯示四分位數、中位數和極值。
• violinplot()相當于seaborn.catplot(kind= " violin ")，結合了箱形圖和核密度估計圖。
• boxenplot()相當于seaborn.catplot(kind= "boxen")，用于為更大的數據集繪制增強箱形圖。

3.分類預測圖函數

分類預測圖函數包括pointplot()、barplot()和countplot()，常用的語法格式如下：

seaborn.pointplot(*[, x, y, hue, data, order, …]) 
 
seaborn.barplot(*[, x, y, hue, data, order, …]) 
 
seaborn.countplot(*[, x, y, hue, data, order, …]) 

• pointplot()相當于seaborn.catplot(kind= "point")，使用散點圖符號顯示點估計和置信區間。
• barplot()相當于seaborn.catplot(kind= "bar")，使用條形圖顯示點估計和置信區間。
• countplot()相當于seaborn.catplot(kind= "count")，使用條形圖顯示每個分類中的觀察值計數。

下面通過代碼清單4演示如何通過Seaborn繪制分類圖。

代碼清單4　Seaborn繪制分類圖的示例 
 
1 import seaborn as sns 
 
2 import pandas as pd 
 
3 import matplotlib.pyplot as plt 
 
4 tips = sns.load_dataset("tips") 
 
5 sns.set_theme(style="whitegrid") 
 
6 f = sns.catplot(data=tips, kind="bar",x="day", y="total_bill", hue="smoker") 
 
7 f.despine(left=True) 
 
8 f.set_axis_labels("day", "total_bill") 
 
9 f.legend.set_title("smoker") 
 
10 plt.subplots() 
 
11 sns.boxplot(x="day", y="total_bill", data=tips) 
 
12 plt.show() 

程序執行結束后，輸出的圖像如圖5和圖6所示。

下面對代碼清單4中的代碼做簡要說明。

• 第6行代碼通過sns.catplot()函數針對數據集tips繪制分布圖，kind="bar"指定繪制條形圖;x="day"指定x坐標為day變量，即根據day變量對數據集進行分類;y="total_bill"指定y坐標為total_bill變量，即顯示total_bill變量的統計情況;hue="smoker"指定以smoker變量對數據點進行分類并以不同顏色顯示，如圖5所示，smoker值為No的對應數據條是藍色的，smoker值為Yes的對應數據條是棕色的。返回值f是FacetGrid對象。

圖5　seaborn.catplot()函數繪制分類圖示例

圖6　seaborn.boxplot()函數繪制箱形圖示例

• 第7行代碼通過f.despine(left=True)設置移除f左側的y軸軸線。
• 第8～9行代碼分別設置x軸標簽為day，y軸標簽為total_bill，圖例標題為smoker。
• 第10行代碼通過plt.subplots()函數新建一個Figure對象。
• 第11行代碼通過sns.boxplot()函數繪制箱形圖，同樣指定x坐標為day變量，指定y坐標為total_bill變量，結果如圖6所示。

04回歸圖

回歸圖是使用統計模型估計兩個變量間的關系。Seaborn提供了常用的繪制回歸圖的函數regplot()和lmplot()。regplot()函數的功能是繪制數據和線性回歸模型擬合的曲線，常用的語法格式如下：

seaborn.regplot(*[, x, y, data, x_estimator, …]) 

主要參數說明如下：

data是輸入的數據集，數據類型是DataFrame對象，即每一列對應一個變量，每一行對應一個觀察值。

x和y是輸入變量，數據類型可以是字符串、Series對象或者向量數組等。如果是字符串，則與data中的列名相對應。如果是Pandas對象，則坐標軸被標記為Series名稱。

lmplot()函數結合了regplot()和FacetGrid的功能，為繪制數據集的條件子集的回歸模型提供接口，語法格式如下：

seaborn.lmplot(*[, x, y, data, hue, col, row, …]) 

主要參數說明如下：

• data是輸入的數據集，數據類型是DataFrame對象，即每一列對應一個變量，每一行對應一個觀察值。
• x和y是輸入變量，數據類型是字符串，與data中的列名相對應。
• hue、col和row是劃分數據子集的變量，這些子集將繪制在網格中的不同面板上。

regplot()和lmplot()函數密切相關，兩者主要的區別是：regplot接受各種類型的x和y參數，包括numpy arrays 、pandas.series 或者pandas.Dataframe對象;而lmplot()的x和y參數只接受字符串類型。

下面通過代碼清單5演示如何通過Seaborn繪制回歸圖。

代碼清單5　Seaborn繪制回歸圖的示例 
 
1 import seaborn as sns 
 
2 import matplotlib.pyplot as plt 
 
3 tips = sns.load_dataset("tips") 
 
4 sns.regplot(x="total_bill", y="tip", data=tips) 
 
5 sns.lmplot(x="total_bill", y="tip", hue="smoker",col='sex', data=tips) 
 
6 plt.show() 

程序執行結束后，輸出的圖像如圖7和圖8所示。

圖7　seaborn.regplot()函數繪制回歸圖示例

圖8　seaborn.lmplot()函數繪制回歸圖示例

下面對代碼清單5中的代碼做簡要說明。

• 第4行代碼通過sns.regplot()函數繪制回歸圖，指定x坐標為total_bill變量，指定y坐標為tip變量，其他設置采用默認值，結果如圖6-12所示，繪制出了total_bill和tip變量之間的線性擬合曲線，同時實際數據以散點的形式顯示。
• 第5行代碼通過sns.lmplot()函數在一個Facegrid對象中繪制total_bill和tip的回歸曲線;hue="smoker"指定以smoker變量對數據點進行分類并以不同的顏色顯示，如圖8所示，smoker值為No的數據點和擬合直線是藍色的，smoker值為Yes的數據點和擬合直線是橙色的;col='sex'指定以sex變量對數據再次分組并繪制在不同列，如圖8所示，sex為Female的數據分布繪制在第一列，sex為Male的數據分布繪制在第二列。

05熱力圖

熱力圖是將不同的數據值用不同的標志加以標注的一種可視化分析手段，標注的手段一般包括顏色的深淺、點的疏密以及呈現比重的形式。在數據分析中，如果離散數據波動變化比較大，那么可以使用熱力圖來觀察波動變化。

Seaborn提供的heatmap()函數可以為二維數據繪制由顏色編碼矩陣組成的熱力圖，語法格式如下：

seaborn.heatmap(data, *[, vmin, vmax, cmap, center, …]) 

主要參數說明如下：

• data是輸入的二維矩形數據集，數據類型可以是DataFrame對象或二維ndarray數組等。
• vmin和vmax指定colormap的值，數據類型為float，默認值根據數據或其他關鍵參數來決定。
• cmap指定數據值到顏色空間的映射，數據類型可以是Matplotlib colormap名稱或對象、顏色列表等。
• center指定在繪制發散數據時顏色映射的居中值，數據類型為float。

下面通過代碼清單6演示如何通過Seaborn繪制熱力圖。

代碼清單6　Seaborn繪制熱力圖的示例 
 
1 import numpy as np 
 
2 import seaborn as sns 
 
3 import matplotlib.pyplot as plt 
 
4 np.random.seed(0) 
 
5 uniform_data = np.random.rand(10, 12) 
 
6 sns.heatmap(uniform_data) 
 
7 plt.show() 

程序執行結束后，輸出的圖像如圖9所示。

圖9　seaborn.heatmap()函數繪制熱力圖示例

下面對代碼清單6中的代碼做簡要說明。

• 第4～5行代碼通過numpy.random.rand函數隨機生成了10×12的二維數組uniform_data。
• 第6行代碼通過sns.heatmap()函數以熱力圖的形式展示uniform_data的數值變化。

 

本文摘編于《Python數據分析與應用》，經出版方授權發布。