Seaborn笔记一：设置图像样式及元素大小

Seaborn Tutorial

Introduction

在数据分析中，画图极为重要。在分析过程中以及最后的分析结果中都需要利用直观的图表去分析，展示数据特点，以便挖掘出有价值的信息。

因为我是用Python分析数据，那么matplotlib必不可少，然而自己太懒，matplotlib细节太多，一时没法完全掌握。Seaborn看起来是个不错的选择，它基于matplotlib，
但是做了更高层次的封装，学起来会简单很多，所以我把它当做绘图入门的工具。

我打算做一个Seaborn文档的笔记，然后再附一两篇实际应用的案例来完成我的Seaborn入门之旅。

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
plt.style.use({'figure.figsize':(12, 8)})

接下来画一些正弦函数来看一下Seaborn的基本参数：

def sinplot(flip=1):
    x = np.linspace(0, 14, 100)
    for i in range(1, 7):
        plt.plot(x, np.sin(x + i * .5) * (7 - i) * flip)

sinplot()

看看matplotlib的样式：

print(plt.style.available)

['bmh', 'classic', 'dark_background', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark-palette', 'seaborn-dark', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'seaborn', '_classic_test']

可以看到，Seaborn的样式已经嵌入其中。我们将样式设置为Seaborn：

sns.set()
sinplot()

png

Seaborn将matplotlib的参数分为两个部分，一控制样式，一控制图中各种元素显示的比例。

Seaborn figure styles

plt.style.available

['bmh',
 'classic',
 'dark_background',
 'fivethirtyeight',
 'ggplot',
 'grayscale',
 'seaborn-bright',
 'seaborn-colorblind',
 'seaborn-dark-palette',
 'seaborn-dark',
 'seaborn-darkgrid',
 'seaborn-deep',
 'seaborn-muted',
 'seaborn-notebook',
 'seaborn-paper',
 'seaborn-pastel',
 'seaborn-poster',
 'seaborn-talk',
 'seaborn-ticks',
 'seaborn-white',
 'seaborn-whitegrid',
 'seaborn',
 '_classic_test']

Matplotlib已经嵌入了 Seaborn样式，尝试一下不同的样式：

data = np.random.normal(size=(20, 6))
sns.set_style('whitegrid')
sns.boxplot(data=data)

<matplotlib.axes._subplots.AxesSubplot at 0x1fbc03d6780>

png

sns.set_style('dark')
sinplot()

png

sns.set_style('white')
sinplot()

png

sns.set_style('ticks')
sinplot()

png

Remove axes spines

有时候我们会去掉box的上轴和右轴：

sinplot()
sns.despine()

png

当然你也可以：

sns.set_style('white')
sinplot()
sns.despine(left=True, bottom=True)

png

sns.despine()函数默认删除右轴和上轴。

f, ax = plt.subplots()
sns.violinplot(data=data)

<matplotlib.axes._subplots.AxesSubplot at 0x1fbc05bdc18>

png

f, ax = plt.subplots()
sns.violinplot(data=data)
sns.despine(trim=True)

png

Temporarily setting figure style

我们可以临时定义作图参数让子图拥有不同的样式：

with sns.axes_style('darkgrid'):
    plt.subplot(211)
    sinplot()
plt.subplot(212)
sinplot(-1)

png

这样，我们就临时调用了'darkgrid'样式。

Overriding elements of the seaborn styles

我们可以看看Seaborn的默认样式参数：

sns.axes_style()

{'axes.axisbelow': True,
 'axes.edgecolor': '.15',
 'axes.facecolor': 'white',
 'axes.grid': False,
 'axes.labelcolor': '.15',
 'axes.linewidth': 1.25,
 'figure.facecolor': 'white',
 'font.family': ['sans-serif'],
 'font.sans-serif': ['Arial',
  'Liberation Sans',
  'Bitstream Vera Sans',
  'sans-serif'],
 'grid.color': '.8',
 'grid.linestyle': '-',
 'image.cmap': 'Greys',
 'legend.frameon': False,
 'legend.numpoints': 1,
 'legend.scatterpoints': 1,
 'lines.solid_capstyle': 'round',
 'text.color': '.15',
 'xtick.color': '.15',
 'xtick.direction': 'out',
 'xtick.major.size': 0.0,
 'xtick.minor.size': 0.0,
 'ytick.color': '.15',
 'ytick.direction': 'out',
 'ytick.major.size': 0.0,
 'ytick.minor.size': 0.0}

它是一个字典，我们可以自己定义值：

sinplot()

png

sns.set_style({'axes.facecolor':'.9'})
sinplot()

png

其他参数也可以修改。

Scaling plot elements

接下来是修改图的元素比例，包括线条大小，坐标大小等等。

sns.set()

Seaborn预设了四种比例，根据大小依次为 paper, notebook, talk 和 poster。默认为 notebook。

sns.plotting_context()

{'axes.labelsize': 11.0,
 'axes.titlesize': 12.0,
 'figure.figsize': [8.0, 5.5],
 'font.size': 12.0,
 'grid.linewidth': 1.0,
 'legend.fontsize': 10.0,
 'lines.linewidth': 1.75,
 'lines.markeredgewidth': 0.0,
 'lines.markersize': 7.0,
 'patch.linewidth': 0.3,
 'xtick.labelsize': 10.0,
 'xtick.major.pad': 7.0,
 'xtick.major.width': 1.0,
 'xtick.minor.width': 0.5,
 'ytick.labelsize': 10.0,
 'ytick.major.pad': 7.0,
 'ytick.major.width': 1.0,
 'ytick.minor.width': 0.5}

可以看到默认的元素大小。