數據可視化（三）- Seaborn簡易入門

本文內容來源：https://www.dataquest.io/mission/133/creating-compelling-visualizations

本文數據來源：http://www.cdc.gov/nchs/nsfg.htm

本文摘要：介紹一個以matplotlib為底層，更容易定制化作圖的庫Seaborn

 

Seaborn其實是在matplotlib的基礎上進行了更高級的API封裝，從而使得作圖更加容易，在大多數情況下使用seaborn就能做出很具有吸引力的圖，而使用matplotlib就能制作具有更多特色的圖。應該把Seaborn視為matplotlib的補充，而不是替代物。

 

安裝seaborn的方法

pip install seaborn

原始數據展現（這是一份家庭調查的數據，preglngth - 懷孕周長， birthord - 孕婦的第幾個孩子， birthwgt_lb1 - 嬰兒重量（單位：磅）， birthwgt_oz1 - 嬰兒重量（單位：盅司）， agepreg - 孕婦在分娩時的年齡）

import pandas as pd

births = pd.read_csv('births.csv')

直方圖

在上一篇文章中已經使用過pandas.DataFrame.hist()來制作直方圖了，現在用seaborn.distplot()來制作直方圖，觀察之間的差異

# 對上表的prglngth列做一個直方圖

import matplotlib.pyplot as plt

import seaborn as sns #要注意的是一旦導入了seaborn，matplotlib的默認作圖風格就會被覆蓋成seaborn的格式

%matplotlib inline  # 為了在jupyter notebook里作圖，需要用到這個命令

sns.distplot(births['prglngth'])

sns.plt.show()

可以看到與使用matplotlib作的直方圖最大的區別在於有一條密度曲線（KDE），可以通過設置參數去掉這條默認的曲線

sns.distplot(births['prglngth'], kde=False)

sns.plt.show()

 

那么Pandas與Seaborn之間有什么區別呢？

其實兩者都是使用了matplotlib來作圖，但是有非常不同的設計差異

1. 在只需要簡單地作圖時直接用Pandas，但要想做出更加吸引人，更豐富的圖就可以使用Seaborn
2. Pandas的作圖函數並沒有太多的參數來調整圖形，所以你必須要深入了解matplotlib
3. Seaborn的作圖函數中提供了大量的參數來調整圖形，所以並不需要太深入了解matplotlib
4. Seaborn的API：https://stanford.edu/~mwaskom/software/seaborn/api.html#style-frontend

 

# 對上圖進行更多的配置

sns.set_style('dark')                # 該圖使用黑色為背景色

sns.distplot(births['prglngth'], kde=False) # 不顯示密度曲線

sns.axlabel('Birth number', 'Frequency') # 設置X軸和Y軸的坐標含義

sns.plt.show()

 

箱型圖

# 以birthord作為x軸，agepreg作為y軸，做一個箱型圖

sns.boxplot(x='birthord', y='agepreg', data=births)

sns.plt.show()

 

多變量作圖

seaborn可以一次性兩兩組合多個變量做出多個對比圖，有n個變量，就會做出一個n × n個格子的圖，譬如有2個變量，就會產生4個格子，每個格子就是兩個變量之間的對比圖

1. var1  vs  var1
2. var1  vs  var2
3. var2  vs  var1
4. var2  vs  var2

相同的兩個變量之間（var1  vs  var1 和 var2  vs  var2）以直方圖展示，不同的變量則以散點圖展示（var1  vs  var2 和var2  vs  var1）

要注意的是數據中不能有NaN（缺失的數據），否則會報錯

sns.pairplot(births, vars=['agepreg', 'prglngth','birthord'])

sns.plt.show()