seaborn 小笔记

前置知识#

大概需要了解一点点matplotlib

在开始之前#

Install Seaborn and Matplotlib

Use %matplotlib inline to show picture in Jupyter.

代码里用到的数据集titanic 大概长这个样子：

所有的代码均为精简版，请勿直接运行

beautify#

画图最重要的当然是美化啦！

seaborn内置了六种颜色模式，并提供了丰富的自定义颜色方法。可以通过palette设置颜色模式。前面六种是内置的颜色模式，挑选一个自己喜欢的吧！（顺带一提，pastel是真的舒服

另外，如果你想要规定颜色数，可以尝试hls或者husl

自定义的渐变色或许也是一个不错的选择

也许你喜欢内置的渐变色？

下面演示了上面提到的所有模式

Copy
sns.countplot(x='deck', data=titanic, ax=axes[0, 0], palette=sns.color_palette('deep'))
sns.countplot(x='deck', data=titanic, ax=axes[0, 1], palette=sns.color_palette('muted'))
sns.countplot(x='deck', data=titanic, ax=axes[0, 2], palette=sns.color_palette('pastel'))
sns.countplot(x='deck', data=titanic, ax=axes[1, 0], palette=sns.color_palette('bright'))
sns.countplot(x='deck', data=titanic, ax=axes[1, 1], palette=sns.color_palette('dark'))
sns.countplot(x='deck', data=titanic, ax=axes[1, 2], palette=sns.color_palette('colorblind'))
sns.countplot(x='deck', data=titanic, ax=axes[2, 0], palette=sns.color_palette('hls', 3))
sns.countplot(x='deck', data=titanic, ax=axes[2, 1], palette=sns.color_palette('light:#5A9'))
sns.countplot(x='deck', data=titanic, ax=axes[2, 2], palette=sns.color_palette('flare'))

如果你还想自定义一些东西，可以参考这个

displot#

三个选项，hist(默认)，kde，ecdf，效果分别和 histplot kedplot ecdf 相同。可以通过kde=True在直方图上叠加曲线。

Copy
sns.histplot(age1, stat='density', ax=axes[0, 0])
sns.histplot(age1, stat='count', ax=axes[0, 1], kde=True, bins=30, color='green')
sns.kdeplot(age1, ax=axes[1, 0], shade=True)
sns.ecdfplot(age1, ax=axes[1, 1])

一些解释：age1为事先生成的数据，ax控制其在画布的位置

P.S. 一个小坑，displot好像不支持上方这种画布，所以调用了与之效果相同的函数

barplot#

barplot可以直接从数据集中画出柱状图，设置x和y代表的含义，hue用于对x轴的数据进行细分，详情如下。

Copy
sns.barplot(x='sex', y='survived', data=titanic, ax=axes[0])
sns.barplot(x='sex', y='survived', hue='class' ,data=titanic, ax=axes[1])

countplot#

顾名思义，计数图，用法和barplot类似。你可以 通过x或y来选择图片的方向

Copy
sns.countplot(x='class', hue='sex', data=titanic, ax=axes[0])
sns.countplot(y='deck', data=titanic, ax=axes[1])

stripplot#

绘制散点图，同样地，可以用hue进行细分，用jitter控制是否抖动

Copy
sns.stripplot(x='class', y='age', data=titanic, ax=axes[0])
sns.stripplot(x='class', y='age', data=titanic, ax=axes[1], jitter=0)
sns.stripplot(x='class', y='age', data=titanic, ax=axes[2], hue='sex')

swarmplot#

同样是散点图，但是更加直观，更适合小数据

boxplot#

同样地，可以改变x y的顺序，进行细分。

Copy
sns.boxplot(x='class', y='age', data=titanic, ax=axes[0])
sns.boxplot(x='age', y='class', hue='sex', data=titanic, order=['Second', 'Third', 'First'], ax=axes[1])

P.S. 几乎所有的图都能通过 order 和 hue_order 来更改顺序

violinplot#

boxplot 的升级版，可以看到数据的更具体地分布

当hue参数只有两个级别时，可以设置'split'为True，效果如下。

如果不喜欢里面的箱子，可以换成虚线（我个人是很喜欢虚线那种啦

Copy
sns.violinplot(x='class', y='age', data=titanic, hue='sex', split=True, ax=axes[0])
sns.violinplot(x='class', y='age', data=titanic, hue='sex', split=True, ax=axes[1], inner='quartile')

regplot#

绘制回归曲线，为了方便演示，数据换成了taxis qwq

可以用 ci 控制置信区间（0～100），truncate=False拓展直线，marker等参数更改样式

Copy
sns.regplot(y='total', x='distance', data=taxis, ax=axes[0])
sns.regplot(y='total', x='distance', data=taxis, ax=axes[1], ci=0, truncate=False, marker="+")

或许你会想用多项式函数或者log ?

Copy
sns.regplot(y='total', x='distance', data=taxis, order=2, ax=axes[0])
sns.regplot(y='total', x='distance', data=taxis, logx=True, ax=axes[1])

神奇地是，可以使用x_bins=4把x划分为离散的box

lmplot#

regplot 的升级版，增加了分类别地展示的功能

Copy
sns.lmplot(y='total', x='distance', hue='color', data=taxis,markers=['*','o'])

使用col来把图片分开

Copy
sns.lmplot(y='total', x='distance', col='color', hue='color', data=taxis, markers=['*', 'o'])

所以为什么黄车比绿车要贵呢，小编也不知道（可能是因为截取的数据量太少

heatmap#

绘制热力图需要一个严格的函数关系，即$z=f(x,y)$

又换了数据qwq

以year month 为 坐标轴，绘制 passengers 的热力图如下

Copy
flights = sns.load_dataset("flights")
f = flights.pivot('year', 'month', 'passengers')
sns.heatmap(f)

可以将数据展示在图中，以及换颜色（

Copy
sns.heatmap(f, annot=True, fmt="d", cmap=sns.color_palette("cubehelix", as_cmap=True))