seaborn繪制各種圖

以下操作都是翻譯的官方文檔（不全）
安裝seaborn

pip3 install seaborn

seborn加載數據集

import seaborn as sb 
df = sb.load_dataset('tips') 
print(type(df))
print(df.head)

可以看出df的類型是<class 'pandas.core.frame.DataFrame'>，所以在使用seaborn之前需要安裝pandas

查看支持多少數據集

import seaborn as sb 
print(sb.get_dataset_names())

不安裝bs4會報錯

pip3 install bs4

matplotlib畫圖

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

sb.set()

轉化為seaborn的默認格式

import numpy as np 
from matplotlib import pyplot as plt 
def sinplot(flip=1): 
    x = np.linspace(0, 14, 100) 
    for i in range(1, 5): 
        plt.plot(x, np.sin(x + i * .5) * (7 - i) * flip)   
 
import seaborn as sb 
sb.set() 
sinplot() 
plt.show()

set_style()
設置畫圖格式，可供選擇的如下

• white
• dark
• whitegrid
• darkgrid
• ticks

如下

import numpy as np 
from matplotlib import pyplot as plt 
def sinplot(flip=1): 
    x = np.linspace(0, 14, 100) 
    for i in range(1, 5): 
        plt.plot(x, np.sin(x + i * .5) * (7 - i) * flip)   
 
import seaborn as sb 
sb.set_style('whitegrid')
sinplot() 
plt.show()

sb.despine()
在white 和 ticks 主題下，可以通過這個函數去掉上部和右側的圖像邊框線

自定義樣式

sb.set_style()

查看格式中有多少元素，比入線的粗細等等

一個demo

sb.set_style("darkgrid", {'axes.axisbelow': False}) 

直方圖

import pandas as pd 
import seaborn as sb 
from matplotlib import pyplot as plt 
df = sb.load_dataset('iris') #鳶尾花數據集
sb.distplot(df['petal_length'],kde=False) 
plt.show()

其中kde設置為False代表只畫直方圖，設置為True代表除了直方圖還有折線圖

散點圖

import pandas as pd 
import seaborn as sb 
from matplotlib import pyplot as plt 
df = sb.load_dataset('iris') 
sb.jointplot(x='petal_length',y='petal_width',data=df) 
plt.show()

六邊形二元化方法

在數據密度稀疏的情況下，二元數據分析采用六邊形二元化方法,當數據非常零散且難以通過散點圖進行分析時可以用這種方法。

import pandas as pd 
import seaborn as sb 
from matplotlib import pyplot as plt 
df = sb.load_dataset('iris') 
sb.jointplot(x='petal_length',y='petal_width',data=df,kind='hex') 
plt.show()

核密度估計

核密度估計是一種估計變量分布的非參數方法。在seaborn中，我們可以使用jointplot（）
kind參數使用kde

import pandas as pd 
import seaborn as sb 
from matplotlib import pyplot as plt 
df = sb.load_dataset('iris') 
sb.jointplot(x='petal_length',y='petal_width',data=df,kind='kde') 
plt.show() v

核密度估計

import pandas as pd 
import seaborn as sb 
from matplotlib import pyplot as plt 
df = sb.load_dataset('iris') 
sb.distplot(df['petal_length'],hist=False) 
plt.show() 

hist設置為false即生成核密度估計圖

可視化成對關系

seaborn.pairplot(data,…)

參數介紹

parameter	description
data	Datafram
hue	Variable in data to map plot aspects to different colors.
palette	Set of colors for mapping the hue variable
kind	Kind of plot for the non-identity relationships. {‘scatter’, ‘reg’}
diag_kind	Kind of plot for the diagonal subplots. {‘hist’, ‘kde’}

直接復制的官方文檔的介紹

import pandas as pd
import seaborn as sb 
from matplotlib import pyplot as plt 
df = sb.load_dataset('iris') 
sb.set_style("ticks") 
sb.pairplot(df,hue='species',diag_kind="kde",kind="scatter",palette="husl") 
plt.show()

繪制分類數據

import pandas as pd 
import seaborn as sb 
from matplotlib import pyplot as plt 
df = sb.load_dataset('iris') 
sb.stripplot(x="species", y="petal_length", data=df) 
plt.show()

Swarmplot()

另外一種風格

import pandas as pd 
import seaborn as sb 
from matplotlib import pyplot as plt 
df = sb.load_dataset('iris') 
sb.swarmplot(x="species", y="petal_length", data=df) 
plt.show()

柱狀圖

import pandas as pd 
import seaborn as sb 
from matplotlib import pyplot as plt 
df = sb.load_dataset('titanic') 
sb.barplot(x="sex", y="survived", hue="class", data=df) 
plt.show() 

省略了幾種柱狀圖

線性關系

import pandas as pd 
import seaborn as sb 
from matplotlib import pyplot as plt 
df = sb.load_dataset('tips') 
sb.regplot(x="total_bill", y="tip", data=df) 
sb.lmplot(x="total_bill", y="tip", data=df) 
plt.show()

regplot vs lmplot

regplot	lmplot
接受各種格式的x和y變量，包括簡單的numpy數組、pandas系列對象，或作為pandas數據幀中變量的引用	將數據作為必需參數，並且必須將x和y變量指定為字符串。這種數據格式稱為“長格式”數據

當其中一個變量取離散值時，我們也可以擬合線性回歸

import pandas as pd 
import seaborn as sb 
from matplotlib import pyplot as plt 
df = sb.load_dataset('tips') 
sb.lmplot(x="size", y="tip", data=df) 
plt.show()

熱力圖

import numpy as np; np.random.seed(0)
import seaborn as sb; 
sb.set()
uniform_data = np.random.rand(10, 12)
ax = sb.heatmap(uniform_data)

玩了一下powerbi嵌入代碼