seaborn可視化詳解

引言

當我們快速理解數據內容及其分佈時，可以選用一些可視化工具，將數據展示出來，從而使我們對數據具有一個直觀的認識。常用的數據可視化庫有

• matplotlib
• Seaborn
  其中Seaborn可以認爲是matplotlib的擴展，從而使得表達更豐富，數據表達更直觀

示例

首先導入Seaborn庫

import pandas as pd 
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline %表示畫的圖形在notebook中顯示出來
sns.set() %使用seaborn風格畫圖

本文中的使用到的數據爲seaborn中自帶的數據集tips
本次使用到的數據集是比較有名的tips(小費)數據集。小費數據集，是一個餐廳侍者收集的關於小費的數據，其中包含了七個變量，包括總費用、付小費的金額、付款者性別、是否吸菸、日期、日間、顧客人數。

• 條形圖繪製
  標準格式爲

 sns.distplot(data[“variablename”]) 

我們看一下總賬單分佈

sns.distplot(tips["total_bill"], bins=16, color="purple")

tips[“total_bill”]指定繪畫某一列的數據
bins=16表示柱狀圖的個數

• 聯合分佈

sns.jointplot(x="total_bill", y="tip", data=tips, color="purple")

還可以通過修改kind參數，顯示kde曲線等

解釋上圖中，顏色越深代表其密度越大

• 矩陣圖

sns.pairplot(tips, hue="sex", palette="Set2")

• 箱體圖
  箱體圖，即箱線圖，從下到上五條線分別表示最小值、下四分位數、中位數、上四分位數和最大值。
  
  箱線圖作爲描述統計的工具之一，其功能有獨特之處，主要有以下幾點：
  1.直觀明瞭地識別數據批中的異常值
  2.利用箱線圖判斷數據批的偏態和尾重
  3.利用箱線圖比較幾批數據的形狀

sns.boxplot(x="day", y="total_bill", data=tips)

• 小提琴圖

sns.violinplot(x="day", y="total_bill", data=tips)

擴展-風格管理 - 繪圖風格設置

Seaborn 將 matplotlib 的參數劃分爲兩個獨立的組合。第一組是設置繪圖的外觀風格的，第二組主要將繪圖的各種元素按比例縮放的，以至可以嵌入到不同的背景環境中。

操控這些參數的接口主要有兩對方法：

控制風格：axes_style(), set_style()
縮放繪圖：plotting_context(), set_context()

有五種seaborn的風格，它們分別是：darkgrid, whitegrid, dark, white, ticks。它們各自適合不同的應用和個人喜好。默認的主題是darkgrid。
例如

sns.set_style("whitegrid")
sns.distplot(tips["total_bill"], bins=16, color="purple")

移除軸脊柱

sns.distplot(tips["total_bill"], bins=16, color="purple")
sns.despine()

當刻度沒有完全覆蓋整個軸的範圍時，trim參數可以用來限制已有脊柱的範圍。

sns.distplot(tips["total_bill"], bins=16, color="purple")
sns.despine(offset=10, trim=True)

自定義風格

將一個字典參數傳遞給axes_style()和set_style()的參數rc。而且你只能通過這個方法來覆蓋風格定義中的部分參數。

繪圖元素比例

有四個預置的環境，按大小從小到大排列分別爲：paper, notebook, talk, poster。其中，notebook是默認的。

sns.set_context("poster")
sns.distplot(tips["total_bill"], bins=16, color="purple")