[seaborn] seaborn學習筆記2——散點圖Scatterplot

2 散點圖Scatterplot(代碼下載)

散點圖能夠顯示2個維度上2組數據的值。每個點代表一個觀察點。X（水平）和Y（垂直）軸上的位置表示變量的值。研究這兩個變量之間的關係是非常有用的。在seaborn中通過regplot和lmplot製作散點圖，regplot和lmplot核心功能相近，regplot相對簡單點，如果要定製圖像更深層次功能，需要使用lmplot。此外也用Pairplot製作多變量圖。該章節主要內容有：

1. 基礎散點圖繪製 Basic scatterplot
2. 更改標記參數 Control marker features
3. 自定義線性迴歸擬合 Custom linear regression fit
4. 使用分類變量爲散點圖着色 Use categorical variable to color scatterplot
5. 座標軸範圍設置 Control axis limits of plot
6. 在散點圖上添加文本註釋 Add text annotation on scatterplot
7. 自定義相關圖 Custom correlogram

#調用seaborn
import seaborn as sns
#調用seaborn自帶數據集
df = sns.load_dataset('iris')
#顯示數據集
df.head()

	sepal_length	sepal_width	petal_length	petal_width	species
0	5.1	3.5	1.4	0.2	setosa
1	4.9	3.0	1.4	0.2	setosa
2	4.7	3.2	1.3	0.2	setosa
3	4.6	3.1	1.5	0.2	setosa
4	5.0	3.6	1.4	0.2	setosa

1.基礎散點圖繪製 Basic scatterplot

# 使用regplot（）函數製作散點圖。您必須提供至少2個列表：X軸和Y軸上的點的位置。
# 默認情況下繪製線性迴歸擬合直線，可以使用fit_reg = False將其刪除
# use the function regplot to make a scatterplot 有迴歸曲線
# scipy<1.2會有warning
sns.regplot(x=df["sepal_length"], y=df["sepal_width"]);

# Without regression fit 無迴歸曲線
sns.regplot(x=df["sepal_length"], y=df["sepal_width"], fit_reg=False);

2. 更改標記參數 Control marker features

# 可以散點圖自定義顏色，透明度，形狀和大小
# Change shape of marker控制散點的形狀
sns.regplot(x=df["sepal_length"], y=df["sepal_width"], marker="+", fit_reg=False);

# List of available shapes 可用的形狀查看
import matplotlib
all_shapes=matplotlib.markers.MarkerStyle.markers.keys()
all_shapes

dict_keys(['.', ',', 'o', 'v', '^', '<', '>', '1', '2', '3', '4', '8', 's', 'p', '*', 'h', 'H', '+', 'x', 'D', 'd', '|', '_', 'P', 'X', 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 'None', None, ' ', ''])

# More marker customization,更具scatter_kws參數控制顏色，透明度，點的大小
sns.regplot(x=df["sepal_length"], y=df["sepal_width"], fit_reg=False, scatter_kws={"color":"darkred","alpha":0.3,"s":20});

3. 自定義線性迴歸擬合 Custom linear regression fit

# 您可以自定義seaborn提出的迴歸擬合的外觀。在此示例中，顏色，透明度和寬度通過line_kws = {}選項進行控制。
sns.regplot(x=df["sepal_length"], y=df["sepal_width"], line_kws={"color":"r","alpha":0.7,"lw":5});

4. 使用分類變量爲散點圖着色 Use categorical variable to color scatterplot

• 每組映射一種顏色 Map a color per group
• 每組映射一個標記 Map a marker per group
• 使用其他調色板 Use another palette
• 控制每組的顏色 Control color of each group

# 每組映射一種顏色 Map a color per group
# Use the 'hue' argument to provide a factor variable hue設置species不同種類的的顏色
sns.lmplot( x="sepal_length", y="sepal_width", data=df, fit_reg=False, hue='species', legend=False);
# Move the legend to an empty part of the plot 需要通過matplotlib更改legend的位置
import matplotlib.pyplot as plt
plt.legend(loc='best');

# 每組映射一個標記 Map a marker per group
# give a list to the marker argument 通過hue設定顏色，markes設定各點的形狀
sns.lmplot( x="sepal_length", y="sepal_width", data=df, fit_reg=False, hue='species', legend=False, markers=["o", "x", "1"])
# Move the legend to an empty part of the plot
plt.legend(loc='lower right');

# 使用其他調色板 Use another palette
# Use the 'palette' argument 不同種類設定不同的顏色，顏色類型使用palette設定調色板顏色
sns.lmplot( x="sepal_length", y="sepal_width", data=df, fit_reg=False, hue='species', legend=False, palette="Set2")
# Move the legend to an empty part of the plot
plt.legend(loc='lower right');

# 控制每組的顏色 Control color of each group
# Provide a dictionary to the palette argument 調色盤使用自定義顏色
dict_color=dict(setosa="#9b59b6", virginica="#3498db", versicolor="#95a5a6")
sns.lmplot( x="sepal_length", y="sepal_width", data=df, fit_reg=False, hue='species', legend=False, palette=dict_color)
# Move the legend to an empty part of the plot
plt.legend(loc='lower right');

5. 座標軸範圍設置 Control axis limits of plot

# basic scatterplot
sns.lmplot( x="sepal_length", y="sepal_width", data=df, fit_reg=False)
# control x and y limits 設置軸的範圍，不過需要調用matplotlib.pyplot 模塊，通常都是matplotlib和seaborn一起用
plt.ylim(0, 20)
plt.xlim(0, None)

(0, 8.122715679666298)

6. 在散點圖上添加文本註釋 Add text annotation on scatterplot

• 添加一個註釋 Add one annotation
• 添加多個註釋 Use a loop to annotate each marker

# 添加一個註釋 Add one annotation
import pandas as pd 
# 製作數據集
df_test = pd.DataFrame({
    'x': [1, 1.5, 3, 4, 5],
    'y': [5, 15, 5, 10, 2],
    'group': ['A','other group','B','C','D']})
# 畫散點圖
p1=sns.regplot(data=df_test, x="x", y="y", fit_reg=False, marker="o", color="skyblue", scatter_kws={'s':400});
# 添加註釋
p1.text(3+0.2, 4.5, "An annotation", horizontalalignment='left', size='medium', color='black', weight='semibold')

Text(3.2, 4.5, 'An annotation')

# 添加多個註釋 Use a loop to annotate each marker
# basic plot
p1=sns.regplot(data=df_test, x="x", y="y", fit_reg=False, marker="o", color="skyblue", scatter_kws={'s':400})
# add annotations one by one with a loop
for line in range(0,df_test.shape[0]):
     p1.text(df_test.x[line]+0.2, df_test.y[line], df_test.group[line], horizontalalignment='left', size='medium', color='black', weight='semibold')

7. 自定義相關圖 Custom correlogram

• 有迴歸方程的散點相關圖 correlogram with regression
• 無迴歸方程的散點相關圖 correlogram without regression
• 在相關圖上表示組 Represent groups on correlogram
• 相關圖子圖設置 Kind of plot for the diagonal subplots
• 子圖參數設置 parameters adjustment of subplots

# 有迴歸方程的散點相關圖 correlogram with regression
# library & dataset
import matplotlib.pyplot as plt
import seaborn as sns
df = sns.load_dataset('iris')
 
# with regression 有迴歸方程的散點相關圖
# 正對角線上的圖表示數據頻次的直方圖，其他表示散點圖
sns.pairplot(df, kind="reg");

# 無迴歸方程的散點相關圖 correlogram without regression 
sns.pairplot(df, kind="scatter");

# 在相關圖上表示組 Represent groups on correlogram
# 通過hue設定種類，markers不同種類的點的表示方式
# 對角線爲核密度圖
sns.pairplot(df, kind="scatter", hue="species", markers=["o", "s", "D"], palette="Set2")

<seaborn.axisgrid.PairGrid at 0x21cc5179710>

# 在相關圖上表示組 Represent groups on correlogram
# you can give other arguments with plot_kws  plot_kws更改散點圖的參數
sns.pairplot(df, kind="scatter", hue="species",plot_kws=dict(s=80, edgecolor="white", linewidth=3));

# 相關圖子圖設置 Kind of plot for the diagonal subplots
# diag_kind有auto，hist,kde選項，hist爲直方圖，kde爲散點圖
sns.pairplot(df, diag_kind="hist");

#  子圖參數設置 parameters adjustment of subplots
# You can custom it as a density plot or histogram so see the related sections 通過diag_kws調整子圖參數
sns.pairplot(df, diag_kind="kde", diag_kws=dict(shade=True, bw=.05, vertical=False));