seaborn常见绘图学习总结（分布图）

2020-04-30 本文已影响0人 Rambogoal

在做数据分析之前，有时需要对数据进行可视化，从宏观上对数据的分布有一个认识，进而更好的理解数据在实际项目中的意义。

Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图，而使用matplotlib能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充，而不是替代物。

一、目录：

分布图

displot （直方图）
kedplot（概率密度图）
jointplot（联合密度图）
pairplot（多变量图）

分类图

boxplot（箱线图）
violinplot（提琴图）

回归图

lmplot （回归图）

矩阵图

heatmap （热力图）

seaborn可以画的图形很多，不仅仅限于上面的几种图，详见官方文档：http://seaborn.pydata.org/index.html

总结的图形来源于官方文档、自己的相关数据可视化项目中

二、分布图：

2.1：displot（直方图）

直方图，是一种表示数据变化情况的图形。可以比较直观的看出数据的特性分布，对数据的分布状况有个宏观认识。具体参数如下：

 seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None, 
hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, color=None,
 vertical=False, norm_hist=False, axlabel=None, label=None, ax=None)

bins：int或list，控制直方图的有多少个箱体
hist：是否显示方块
kde：是否显示密度估计曲线
rug：控制是否生成观测数值的小细条（边际毛毯）
fit：控制拟合的参数分布图形，能够直观的评估图形与观察数据的对应关系（黑色线条为确定的分布）
-{hist, kde, rug, fit}_kws ：参数接收字典类型，可以自行定义更多高级的样式；
norm_hist：若为True,则直方图的高度显示为密度而非计数（含有kde图像中默认为True）
vertical：放置的方向，如果为真，则观测值位于y-轴上（默认为False,x轴上）
axlabel：string、False、None，设置标签。

2.2、kdeplot（概率密度图）

概率密度图可以比较直观的看出数据样本本身的分布特征（作用效果与直方图中的kde效果类似），具体参数如下：

seaborn.kdeplot(data, data2=None, shade=False, vertical=False, kernel='gau', 
bw='scott', gridsize=100, cut=3, clip=None, legend=True, cumulative=False, 
shade_lowest=True, cbar=False, cbar_ax=None, cbar_kws=None, ax=None, **kwargs)

data、data2：表示可以输入双变量，绘制双变量核密度图；
shade：是否填充阴影，默认不填充；
vertical：放置的方向，如果为真，则观测值位于y轴上（默认False，x轴上）；
kernel：{‘gau’ | ‘cos’ | ‘biw’ | ‘epa’ | ‘tri’ | ‘triw’ }。默认高斯核（‘gau’）二元KDE只能使用高斯核。至于什么是核函数，这个学问就大了，建议多看看论文；
bw：{‘scott’ | ‘silverman’ | scalar | pair of scalars }。四类核密度带方法，默认scott (斯考特带宽法），建议下来了解一下这四种方法的区别；
gridsize：这个参数指的是每个格网里面，应该包含多少个点，越大，表示格网里面的点越多（觉得电脑OK的可以试试，有惊喜），越小表示格网里面的点越少；
cut：参数表示，绘制的时候，切除带宽往数轴极限数值的多少，这个参数可以配合bw参数使用；
cumulative：是否绘制累积分布；
shade_lowest：是否有最低值渲染，这个参数只有在二维密度图上才有效；
clip：表示查看部分结果，是一个区间；
cbar：参数若为True，则会添加一个颜色棒(颜色帮在二元kde图像中才有)；

双变量密度图：

2.3、jointplot（联合密度图）

联合分布全称是联合概率分布，是两个及以上随机变量组成的随机变量的概率分布。即两个变量之间的联系与各个方向上的分布。具体参数如下：

seaborn.jointplot(x, y, data=None, kind='scatter', stat_func=None, color=None, 
height=6, ratio=5, space=0.2, dropna=True, xlim=None, ylim=None, joint_kws=None,
 marginal_kws=None, annot_kws=None, **kwargs)

x,y：为DataFrame中列名或者是两组数据
kind：{“scatter”|“reg”|“resid”|"kde"|"hex"}。表示联合图的类型，默认为散点图。
stat_func：用于计算统计量关系的函数（可以是自己定义的函数）
ratio：中心图与侧边图的比例，越大则中心图的占比越大
dropna：去除缺失值
height：图形的尺寸大小（正方形）
space：中心图与侧边图的间隔大小；
xlim,ylim：x,y的范围

默认情况

kind为“reg”

kind为“kde”

2.4、pairplot（变量关系组图）

绘制给定数据集中，默认数据之间两两关系的图。该函数将创建一个轴网络，这样数据中的每个变量都讲通过跨一行的y轴和跨单个列的x轴共享。而对角线中则为该列变量的单变量分布。具体参数如下：

seaborn.pairplot(data, hue=None, hue_order=None, palette=None, vars=None, 
x_vars=None, y_vars=None, kind='scatter', diag_kind='auto', markers=None,
 height=2.5, aspect=1, dropna=True, plot_kws=None, diag_kws=None, 
 grid_kws=None, size=None)

vars：data中的子集，否则为data中的全部数量型数据（定性性数据是不会分的）
kind：{“scatter”，“reg”}；两两关系的图表类型，默认为scatter
diag_kind：{“auto”，“hist”，“kde”}；单变量图（自己与自己比较）的绘图，对角线子图
hue：分类，按照某一列的定性数据分类