【實驗樓/Seaborn】Seaborn概覽

Seaborn簡介

matplotlib可能是基於Python最優秀的繪圖庫了。但是它的api數目比較多，較爲複雜。
Seaborn基於matplotlib的核心庫進行了更高級的封裝。可以繪製出更高級的圖形。

Seaborn的基本使用

由於Seaborn是基於matplotlib進行開發的。因此我們使用seaborn時只需正常使用matplotlib的api。外加簡單的幾句Seaborn函數即可：

import seaborn as sns
sns.set()

Seaborn繪圖API概覽

當然sns也自帶繪圖的API，你可以直接使用sns的API。
首先你要知道Seaborn繪圖的API主要可以分爲兩類：

1. Figure-level的，比如relplot。
2. Axes-level的，比如scatterplot和lineplot。

這兩個level的區別在於，figure-level像是懶人函數，適合於快速應用。而axes-plot的可以實現與matplotlib實現更加靈活和緊密的結合。
不過這些API的使用方法是大同小異的。比如說他們都有相同的屬性：

1. data屬性：選擇什麼樣的對象。
2. x和y屬性：選擇哪些數據在圖上當做x和y軸展示。
3. hue：給每一個線段或者散點染色。
4. style：設置每一個線段或者散點的格式。

---

關聯圖

涉及到關聯性分析的時候，我們可以使用一下API

1. replot：繪製關係圖（即可以畫散點，可以畫線型圖， 默認是畫散點，你可以指定kind屬性來選擇話什麼圖形）
2. scatterplot：專門繪製散點圖。
3. lineplot: 專門繪製線型圖。
   
   

---

類別圖

（我感覺這些圖都差不多。。）

1. 分類散點圖:

   • stripplot()(kind="strip")
     
   • swarmplot()(kind="swarm")
     

2. 分類分佈圖:

   • boxplot() (kind="box")
     
   • violinplot() (kind="violin")
     
   • boxenplot()(kind="boxen")
     

3. 分類估計圖:

   • pointplot()(kind="point")
     
   • barplot() (kind="bar")
     
   • countplot() (kind="count")
     

---

分佈圖

我們可以通過分佈圖查看變量的分佈情況。一般分爲單變量分佈（這個好像沒什麼用），還有一個多變量分佈（基本上都是兩個變量，兩個以上的變量很難繪製出直觀的可視化圖形）
不過說實話下面幾個圖並不是分佈函數（CDF）的圖，而是離散型隨機變量PMF的圖片。因爲CDP必然是非降的。

一. 查看單變量分佈

sns.distplot(iris["sepal_length"])

查看多變量分佈我們一般適用jointplot函數：

二. 核密度估計函數

sns.jointplot(x="sepal_length", y="sepal_width", data=iris, kind="kde")

三. 六邊形計數圖

sns.jointplot(x="sepal_length", y="sepal_width", data=iris, kind="hex")

四. pairplot

這個應該是seaborn中最爲強大的api了。它能夠把所有特徵兩兩分佈圖全部都畫出來：

sns.pairplot(iris, hue="species")

---

矩陣圖

矩陣圖裏最常用的兩個圖是heatmap和clustermap
其中：

1. heatmap是用來畫熱力圖，用來研究各個變量之間的相關性的。
2. clustermap是用來使用層次聚類方法的。