(5条消息) 详细的数据可视化库之Seaborn教程(一)
文章目录
- seaborn（一）——可视化统计量间的关系（relationship）
- sns.relplot()
- 一、散点图：relplot(kind="scatter")
- 参数hue
- hue+ hue_order
- hue+palette
- 参数style
- hue+style
- 参数size
- size+sizes
- 二、曲线图：relplot(kind="line")
- 数据集为fmri
- kind="line"
- ci=None 控制不显示聚合的阴影
- ci="sd" 控制聚合的算法
- 关闭聚合：estimator= None
- hue：利用颜色区分
- style:利用形状区分
- hue+ style
- style结合dashes+markers可设置不同分类的标记样式
- units: ??我没有明白这个
- hue为连续型数值
- size: 可用来控制线条宽度
- 用date数据画图
- 三、使用子图展示多重关系
seaborn（一）——可视化统计量间的关系（relationship）
seaborn关注的是统计量之间的关系。
x，y一般为数值型数据，关注两个数值变量之间的关系
可以绘制出曲线图和散点图
sns.relplot()
- relplot():
- sns.replot(kind=“scatter”)，相当于scatterplot() 用来绘制散点图
- sns.replot(kind=“line”)，相当于lineplot() 用来绘制曲线图
本例中，我们的数据集采用库自带的小费数据集tips。
tips小费数据集：
是一个餐厅服务员收集的小费数据集，包含了7个变量：
总账单、小费、顾客性别、是否吸烟、日期、吃饭时间、顾客人数
import matplotlib.pyplot as pltimport seaborn as snsimport pandas as pdimport numpy as nptips= sns.load_dataset("tips")tips.head()| 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 |
tips.dtypestotal_bill float64tip float64sex categorysmoker categoryday categorytime categorysize int64dtype: objectreplot常用参数
x: x轴
y: y轴
hue: 在某一维度上，用颜色区分
style: 在某一维度上, 用线的不同表现形式区分, 如 点线, 虚线等
size: 控制数据点大小或者线条粗细
col: 列上的子图
row: 行上的子图
kind: kind= ‘scatter’(默认值)
kind='line’时候，可以通过参数ci：(confidence interval)参数，来控制阴影部分，如，ci=‘sd’ （一个x有多个y值）
也可以关闭数据聚合功能(urn off aggregation altogether), 设置estimator=None即可
data
以下，结合具体使用效果来理解一下。
一、散点图：relplot(kind=“scatter”)
replot出的图默认为散点图。
sns.relplot(x='total_bill', y='tip', data=tips)
可视化后，可以看出：
给的小费大小集中在[0,6]
账单集中在[7,36]
可以看出，消费高的小费多。
参数hue
hue
用不同的颜色区分出来
在smoker维度，smoker:取值有：No、Yes 蓝yes橙no
sns.relplot(x='total_bill', y='tip', data=tips, hue='smoker')<seaborn.axisgrid.FacetGrid at 0x392c25f8>图上有3个维度的信息：
total_bill（x）、tip（y）、smoker（不同颜色）
hue+ hue_order
可以通过hue_order（一个list）来控制图例中hue的顺序。如果不设置的话，就会自动根据data来进行设定。
如果hue是数字型连续值，hue_order就没有什么关系了。
hue+palette
palette自定义颜色范围
set(tips.day) # {'Fri', 'Sat', 'Sun', 'Thur'}sns.relplot(x='total_bill', y='tip', data=tips, hue='day')sns.relplot(x='total_bill', y='tip', data=tips, hue="day", palette="ch:r=-.5,l=.75")跟哪天吃饭好像没什么关系，看不出来一个渐变色的走势。
参数style
style
不同的表示形状上区分
性别维度上，不同的性别， 原点：Male 叉叉：Female
sns.relplot(x='total_bill', y='tip', data=tips, style='sex')图上有3个维度的信息:
total_bill、tip、sex
x、y、不同形状
可以看出，给小费的男性多，男性给的小费高一点，是不是？你还可以看出来什么信息呢？
hue+style
hue+style
抽烟的女性:蓝色+叉叉
抽烟的男性：蓝色+原点
不抽烟的女性：橘色+叉叉
不抽烟的男性：橘色+原点
sns.relplot(x='total_bill', y='tip', data=tips, hue='smoker', style='sex')图上有4个维度的信息了：
total_bill、tip、smoker、sex
x、y、不同颜色、不同形状
看出了什么？
给高小费的（超过5的），竟然大都是不抽烟的男性（橘色+原点）
参数size
控制点的大小或者线条粗细
巧妙引入size维度（顾客人数）信息
sns.relplot(x='total_bill', y='tip', data=tips, hue='smoker', style='sex', size='size')图上有5个维度的信息了
图上可以看出，人多消费大，消费大小费高
你还看出了什么呢？
展示的信息量太多了，太丰富了，这个图反而太复杂而让我们不好解析它了
sns.relplot(x='total_bill', y='tip', data=tips,size='size')set(tips['size'])#size的取值（顾客数）有：1,2,3,4,5,6人size+sizes
如用size=（20,200）控制size的范围
sns.relplot(x='total_bill', y='tip', data=tips, size="size", sizes=(20, 200))二、曲线图：relplot(kind=“line”)
数据集为fmri
fmri= sns.load_dataset("fmri")fmri.head()| subject | timepoint | event | region | signal | |
|---|---|---|---|---|---|
| 0 | s13 | 18 | stim | parietal | -0.017552 |
| 1 | s5 | 14 | stim | parietal | -0.080883 |
| 2 | s12 | 18 | stim | parietal | -0.081033 |
| 3 | s11 | 18 | stim | parietal | -0.046134 |
| 4 | s10 | 18 | stim | parietal | -0.037970 |
fmri.dtypessubject objecttimepoint int64event objectregion objectsignal float64dtype: objectset(fmri.region) # {'frontal', 'parietal'}#如何将object转成category类型：fmri['region']=fmri['region'].astype('category')fmri.region.dtypeCategoricalDtype(categories=[u'frontal', u'parietal'], ordered=False)先用散点图看一下它的数据分布情况：
sns.relplot(x="timepoint", y="signal", data=fmri)kind=“line”
kind=“line” 就是lineplot()
一个x有多个y，怎么聚合呢？默认的是aggregate the multiple measurements at each x value by plotting the mean and the 95% confidence interval around the mean:
sns.relplot(x="timepoint", y="signal", data=fmri, kind="line")ci=None 控制不显示聚合的阴影
sns.relplot(x="timepoint", y="signal", data=fmri, kind="line", ci=None)ci=“sd” 控制聚合的算法
sns.relplot(x="timepoint", y="signal", data=fmri, kind="line", ci="sd")关闭聚合：estimator= None
展示其数据最原始的情形，“曲线版的散点图”：
sns.relplot(x="timepoint", y="signal", data=fmri, kind="line",estimator=None)hue：利用颜色区分
sns.relplot(x="timepoint", y="signal", data=fmri, kind="line",hue="event")style:利用形状区分
sns.relplot(x="timepoint", y="signal", style="region", kind="line", data=fmri)hue+ style
sns.relplot(x="timepoint", y="signal", hue="event", style="region", kind="line", data=fmri)style结合dashes+markers可设置不同分类的标记样式
sns.relplot(x="timepoint", y="signal", hue="event", style="region", kind="line", dashes=False, markers=True, data=fmri)units: ??我没有明白这个
当有多次的采样单位时，可以单独绘制每个采样单位，而无需通过语义区分它们。这可以避免使图例混乱。
说了这么多还是没有明白。。。。。
set(fmri.subject)sns.relplot(kind="line",data=fmri.query("event=='stim'"), x="timepoint", y="signal", hue="region", units="subject",estimator=None)lineplot色调和图例的处理还取决于hue是分类型数据or连续型数据
hue为连续型数值
dots= sns.load_dataset("dots").query("align== 'dots'")print(dots.head())print(dots.dtypes) align choice time coherence firing_rate0 dots T1 -80 0.0 33.1899671 dots T1 -80 3.2 31.6917262 dots T1 -80 6.4 34.2798403 dots T1 -80 12.8 32.6318744 dots T1 -80 25.6 35.060487align objectchoice objecttime int64coherence float64firing_rate float64dtype: object相关性coherence是连续型数值
看看图例看看颜色：
颜色越重的相关性越强
sns.relplot(x="time", y="firing_rate", hue="coherence", style="choice", kind="line", data=dots)size: 可用来控制线条宽度
也可以用size表达coherence
相关性越大，线条越粗
sns.relplot(x="time", y="firing_rate", size="coherence", style="choice", kind="line", data=dots)用date数据画图
data.head()| date | date_block_num | shop_id | item_id | item_price | item_cnt_day | |
|---|---|---|---|---|---|---|
| 0 | 2013-01-02 | 0 | 59 | 22154 | 999.00 | 1.0 |
| 1 | 2013-01-03 | 0 | 25 | 2552 | 899.00 | 1.0 |
| 2 | 2013-01-05 | 0 | 25 | 2552 | 899.00 | -1.0 |
| 3 | 2013-01-06 | 0 | 25 | 2554 | 1709.05 | 1.0 |
| 4 | 2013-01-15 | 0 | 25 | 2555 | 1099.00 | 1.0 |
seaborn结合matplotlib的xlim()和ylim()设置坐标范围
g= sns.relplot(x="date", y="item_cnt_day", data=data)#设置x轴 y轴范围：plt.xlim("2014-01","2014-12")plt.ylim(0,600)#设置x轴 y轴刻度：#plt.xticks=g.fig.autofmt_xdate()#日期的排列根据图像的大小自适应三、使用子图展示多重关系
参数col、row可以帮助我们实现。
col=“sex” 有几种sex，就有几列图（2种male和female，2列图）
row=“smoker” 有几种smoker，就有几行图
col=“subject”, col_wrap=3 subject特别多，可以控制显示的图片的行数
sns.relplot(x="total_bill", y="tip", col="sex", data=tips)sns.relplot(x="total_bill", y="tip", row="smoker", data=tips)sns.relplot(x="total_bill", y="tip", row="smoker", col="sex", data=tips)sns.relplot(x="timepoint", y="signal", hue="event", style="event", col="subject", col_wrap=3, data=fmri.query("region=='frontal'"), kind="line", linewidth=2.5, aspect=1, #长宽比，该值越大图片越方 height=3)