Python--Seaborn繪圖和可視化--基本語法

　　博客地址：http://www.cnblogs.com/yudanqu/

 

 

　　Seaborn是對matplotlib的extend，是一個數據可視化庫，提供更高級的API封裝，在應用中更加的方便靈活。下面我簡單介紹一下他的用法，實際應用的時候，可以直接從文檔中查找這個庫，這時候使用就很快捷了。

 

提要：1、直方圖和密度圖

　　　2、柱狀圖和熱力圖

　　　3、設置圖形顯示效果

　　　4、調色功能

 

　　老樣子，首先將使用它所需要的庫導入進來，當然，其中包括numpy之類的是為了演示它的功能才導入的，大家要先理解一下每個庫的作用。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pandas import Series,DataFrame
import seaborn as sns

1、直方圖和密度圖

　　如果在交互式環境中，可以通過%matplotlab來解決每次通過plt.show()來顯示圖像（本人在ipython中，貌似jupyter中%matplotlib inline等等）

# matplotlib

s1 = Series(np.random.randn(1000)) # 生成1000個點的符合正態分布的隨機數
plt.hist(s1) # 直方圖，也可以通過plot(),修改里面kind參數實現
s1.plot(kind='kde') # 密度圖

# seaborn

sns.distplot(s1,hist=True,kde=True,rug=True) # 前兩個默認就是True,rug是在最下方顯示出頻率情況，默認為False
# bins=20 表示等分為20份的效果，同樣有label等等參數
sns.kdeplot(s1,shade=True,color='r') # shade表示線下顏色為陰影,color表示顏色是紅色
sns.rugplot(s1) # 在下方畫出頻率情況

　　給出兩種方式通過最基本的方式畫出來的效果，怎么樣，是不是發現seaborn很強大。

2、柱狀圖和熱力圖

　　（1）下載實驗數據：

df = sns.load_dataset('flights') # 在線下載一個數據用於實驗，在sns.load_dataset()函數里有很多的數據，想了解更多的可以到GitHub中找到源碼，你就會很清楚了

　　我們可以先看一下里面的數據，可以看到，這是一個航空的數據，里面有年、月和乘客數量，接下來我們就要在這份數據上進行分析。

　　（2）我們可以通過透視表來先對這份數據進行一下處理：

df = df.pivot(index='month',columns='year',values='passengers') # 生成一個透視表，得到一個以年、月為軸的二維數據表

　　大家可以自己試一下，這樣生成的結果是以年為columns，以月為index，表內數據為對應的乘客數量。

　　（3）繪制柱狀圖

s = df.sum()
# 通過matplotlib繪出圖形
s.plot(kind='bar')
# 通過seaborn繪出圖形
sns.barplot(x=s.index,y=s.values)

　　

　　（4）繪制熱力圖

df.plot() # 線性的顯示數據情況
2 sns.heatmap(df) # 生成熱力圖
3 # sns.heatmap(df,annot=True,fmt='d') # annot參數是指顯示數據，fmt='d'是指以整數形式顯示

3、設置圖形顯示效果

（1）axes_style and set_style

x = np.linspace(0,14,100)
y1 = np.sin(x)
y2 = np.sin(x+2)*1.25
def sinplot():
    plt.plot(x,y1)
    plt.plot(x,y2)

sinplot() # 以matplotlib顯示，生成兩個函數圖像

# seaborn的5種裝飾風格
styles = ['darkgrid','dark','white','whitegrid','tricks'] # 顏色代表背景顏色，grid代表是否有網格
sns.set_style(style[0]) # 進行裝飾，括號內可以直接寫裝飾風格
sinplot() # 經過修飾之后的圖像

sns.axes_style() # 顯示當前主題的內容，這些數據都可以修改微調
# 更改的時候就將其信息的以字典形式復制到set_style()里，當做參數來修改（注意是以字典的形式）
sns.set() # 設置風格為空，即清空自己定義的，恢復到默認的時候

（2）plotting_context() and set_context()

context = ['paper','notebook','talk','poster'] # seaborn本身定義好的
sns.set_context('paper',rc={'grid.linewidth':3.0}) # rc參數
sinplot()

sns.plotting_context() # 顯示出當前狀態的數據
sns.set() # 恢復到默認

　　圖像貌似一樣，但並不是沒有成功，只是變化比較細微，真正用到的時候就可以體會到了。

4、調色功能

# 先繪制一個圖像
def sinplot1():
    x = np.linspace(0,14,100)
    plt.figure(figsize=(8,6)) # 圖像比較小時，通過這個函數更改大小
    for i in range(4):
    　　plt.plot(x,np.sin(x+i)*(i+0.75),label='sin(x+%s)*(%s+0.75)' % (i,i))
    plt.legend()
sinplot1()

# 引入seaborn
sns.color_palette() # 使用調色板
# 不傳入參數返回當前使用的調色板（RGB）
sns.palplot(sns.color_palette()) # 畫出調色板，參數為上面的調色板

• 接下來，我們就要調整我們的調色板了

pal.style = ['deep','nuted','pastel','bright','dark','colorblind'] # seaborn默認定義的調色板

# 第一種設置畫板方式
sns.set_palette(sns.color_palette('dark')) # 設置色板
sns.set() # 恢復默認風格

# 第二種設置畫板方式，並且最后恢復到默認
with sns.color_palette():
    sinplot1() # 在內部調整畫板輸出圖形，當with結束時，則恢復默認

• 調色板里的顏色是定義好的，那么如果我們將要繪制的圖形包括很多的函數，需要更多的顏色，該怎么辦呢。

# 默認提供的色板數量是固定的，如果圖像是更多的函數，那么顏色將循環色板中的風格。如果想不使他顏色有相同，可以通過sns.color_palette()來修改
sns.color_palette([(0.5,0.2,0.6),(0.3,0.3,0.4)]) # 因為色板是以列表的形式存儲的，里面的每種風格以元組的形式存在所以需要用[()]

# 第二種增加色板顏色的方法
sns.color_palette('hls',8) # hls方法，后面寫參數8，即生成有8種不同顏色的色板

 

　　作者：漁單渠（yudanqu）

　　博客地址：http://www.cnblogs.com/yudanqu/