Python數據可視化
1、seaborn使用
詳細介紹可以看seaborn官方API和example galler。
- 一個較通用的繪圖函數 factorplot
sns.factorplot(x=,y=,hue=分類標籤1,col=分類畫圖標籤2,data=數據,kind=繪圖類型)
其中，繪圖類型，當爲"swarm"時候，繪製出的就是類似樹圖，當爲"box"時候，爲盒圖，當爲"bar"時候爲條形圖
Parameters：
x,y,hue 數據集變量 變量名
date 數據集 數據集名
row,col 更多分類變量進行平鋪顯示 變量名
col_wrap 每行的最高平鋪數 整數
estimator 在每個分類中進行矢量到標量的映射 矢量
ci 置信區間 浮點數或None
n_boot 計算置信區間時使用的引導迭代次數 整數
units 採樣單元的標識符，用於執行多級引導和重複測量設計 數據變量或向量數據
order, hue_order 對應排序列表 字符串列表
row_order, col_order 對應排序列表 字符串列表
kind : 可選：point 默認, bar 柱形圖, count 頻次, box 箱體, violin 提琴, strip 散點，swarm 分散點 size 每個面的高度（英寸） 標量 aspect 縱橫比 標量 orient 方向 “v”/“h” color 顏色 matplotlib顏色 palette 調色板 seaborn顏色色板或字典 legend hue的信息面板 True/False legend_out 是否擴展圖形，並將信息框繪製在中心右邊 True/False share{x,y} 共享軸線 True/False
-
直方圖，散點圖
1）sns.displot(data,kde=False,fit=stats.gamma)
（distplot可以繪製很多分佈,函數內部涵蓋了大量的分佈函數,可以用來近似擬合數據.這對於熟悉統計的人來說十分有用.例如gamma函數等等.）
2）sns.jointplot(x=“x”,y=“y”,data=‘數據’)既可以畫散點圖，又可以在畫出散點圖的同時繪製出各個單變量的直方圖。
此處，若增加kind="hex"時，可以在散點圖的維度通過顏色深淺來判斷哪裏散點數據點比較集中；
3）sns.pairplot(iris)可以繪製數據當中兩兩之間的關係，對角線上的數據屬於單變量特徵，因此均爲直方圖，其餘爲兩變量之間的特徵，爲散點圖；
4）sns.barplot(x=,y=,hue=類別列名,data=數據) -
迴歸圖分析
sns有內置鳶尾花數據集，或者tips數據集，測試畫圖工具時候，可以直接用測試數據集，引入方式爲：
iris = sns.load_dataset("iris")
tips=sns.load_dataset("tips")
1）同上，sns.pairplot(iris)可以分析各個兩變量之間的關係；
2）迴歸繪圖可以使用regplot()，lmplot()
eg:
sns.regplot(x="x"，y="y",data="數據")
4.離散點繪圖分析
例如，有星期幾分佈的情況，不是連續數值，使用離散點方式繪圖分析，可以使用
1）可以用直方圖，散點圖分析離散數據，同上；
2）sns.pointplot(x=,y=,hue=,data=數據)，點圖，可以觀察對應hue每個分類下的變化趨勢；
可以通過palette，linestyles和markers來改變繪圖的顏色，線型以及點標記
3）sns.stripplot(x=,y=,data=數據)；
4）sns.swarmplot(x=,y=,data=數據)，可以增加hue參數，hue等於某標籤列列名，則圖中可以按標籤顏色顯示；
-
奇異值，離羣點分析
1）盒圖
即通過分位數據，判斷距離集中的數據集歐式距離較遠的點，判斷爲奇異值；
IQR是統計學概念四分位距，第一/四分位之間的距離，N=1.5IQR如果一個值>Q3+N或<Q1-N，則爲離羣點
sns.boxplot(x=,y=,hue=類別列列名,data=數據)，增加hue參數，即按照類別分別分箱，一般使用四分位點判斷離羣點
2）小提琴圖，類似上面的盒圖
sns.violinplot(x=,y=,hue=類別,data=數據,split=True)
3） -
當想展示數據集中，很多子集的時候，可以使用facetgrid
eg:
g=sns.FacetGrid(數據集，col=“sex”)
g.map(plt.scatter,“total_bill”,alpha=.7)
g.add_legend()
如上所示，sex列對應兩種分類，即male男性和female女性，即繪製出分別對應男性女性圖,total_bill即爲要展示的列,alpha爲透明度，也可以增加參數color，fit_reg（等於True表示展示迴歸線，False爲不展示，x_jitter爲調節顏色深淺）。
增加set_axis_labels（“橫座標label”,“縱座標label”），可以生成如下類型繪圖：
7. 對圖（不知道這麼叫對不對）
g=sns.PairGrid(數據集，vars=[“特徵1”,“特徵2”]，hue=區分類別) vars用來區分要繪圖的特徵
g.map_diag（plt.hist）對角線圖格式
g.map_offdiag(plt.scatter) 非對角線繪圖格式
- 熱力圖
heatmap = sns.heatmap(數據集)
可以通過vmax，vmin來限制最大值與最小值，通過center值來限制中心值的大小。annot參數設置True可以將對應值繪製到熱力圖相應的節點上。如果顯示出來的數據出現比較亂的情況，則設定fmt=‘d’即可。
畫圖小技巧：
- set_style( )是用來設置主題的，Seaborn有五個預設好的主題： darkgrid , whitegrid , dark , white ,和 ticks 默認： darkgrid；使用方法：
import seaborn as sns sns.set_style("whitegrid")
set( )通過設置參數可以用來設置背景，調色板等。
sns.set(style="white", palette="muted", color_codes=True)
可以通過sns.despine()去掉繪圖中的某個座標軸
- 選用hls中系列顏色，
sns.boxplot(data=數據 ,palette = sns.color_palette("hls",8))，同理如果要使用漸變顏色，可以color_palette中寫入某一顏色名，默認由淺到深，如果反過來就_r；hls是較常用的調色板，如果想要一對一對的的顏色，可以選用Paired調色板；也可以選用xkcd_rgb來設定繪圖中的顏色；
以上。歡迎糾錯，歡迎學習交流