數據可視化庫Seabron（2）

單變量分析繪圖

直方圖

import seaborn as sns
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from scipy import stats,integrate
import pandas as pd
%matplotlib inline

sns.set(color_codes=True)
np.random.seed(sum(map(ord,"distribution")))

x = np.random.normal(size=100)
sns.distplot(x,bins=20,kde=True)
#bins: 設置分桶數
#kde控制是否畫kde曲線

map()函數：
第一個參數接受一個函數名，後面的參數接受一個或多個可迭代的序列，返回的是一個集合。

把函數依次作用在list中的每一個元素上，得到一個新的list並返回。注意，map不改變原list，而是返回一個新list。

ord()函數：

ord()函數它以一個字符（長度爲1的字符串）作爲參數，返回對應的ASCII數值，或者Unicode數值。如果所給的Unicode字符超出了你的Python定義範圍，則會引發一個TypeError的異常。

np.random.seed()函數

設置相同的seed，每次生成的隨機數相同。

數據分佈情況 

x = np.random.gamma(6, size=200)
sns.distplot(x, kde=False, fit=stats.gamma)   #實例化伽瑪分佈

根據均值和協方差生成數據 

np.random.multivariate_normal生成一個服從多元正態分佈的數組
multivariate_normal(mean, cov, size=None, check_valid=None, tol=None) 
mean：均值，維度爲1，必選參數；
cov：協方差矩陣，必選參數；
size： 指定生成矩陣的維度，若size=(1, 1, 2)，則輸出的矩陣的 shape 即形狀爲 1X1X2XN（N爲mean的#長度）；
check_valid：可取值 warn，raise以及ignore；

tol：檢查協方差矩陣奇異值時的公差，float類型

mean, cov = [0, 1], [(1, .5), (.5, 1)]
#兩個相關的正態分佈
data = np.random.multivariate_normal(mean, cov, 200)
#依據指定的均值和協方差生成數據,生成二維數組
df = pd.DataFrame(data, columns=["x", "y"])
df.tail()

	x	y
195	-0.885440	-0.275349
196	-0.678798	1.505844
197	1.601188	2.096382
198	-0.398727	1.388353
199	-0.051887	0.427285

觀測兩個變量之間的分佈關係最好用散點圖 (數據量較小)

sns.jointplot(x="x", y="y", data=df);

數據量較大的情況 

x,y = np.random.multivariate_normal(mean,cov,1000).T
with sns.axes_style('white'):   
    sns.jointplot(x=x,y=y,kind='hex',color='g')    #kind=’hex’——六角箱圖

迴歸分析圖 

np.random.seed(sum(map(ord,'regression')))
tips = sns.load_dataset('tips')   #tips爲Seaborn內置數據集
#tips.head()
sns.regplot(x='total_bill',y='tip',data=tips)

sns.regplot(x='size',y='tip',data=tips)
sns.regplot(x='size',y='tip',data=tips,x_jitter=.05)   #數據橫向浮動0.05

 

多變量分析繪圖

 

sns.set(style='whitegrid',color_codes=True)
np.random.seed(sum(map(ord,"categorical")))
titanic = sns.load_dataset('titanic')
tips = sns.load_dataset('tips')
iris = sns.load_dataset('iris')
sns.stripplot(x='day',y='total_bill',hue='day',data=tips,jitter=True)

stripplot()按照x軸裏的類別進行分類

jitter=True,使集中在一起的數據往左往右偏移

hue=' day' 用不同的顏色標識分類

sns.swarmplot(x='day',y='total_bill',hue='sex',data=tips)

 swarmplot()分簇散點圖

 

盒圖

IQR即統計學概念四分位距，第一四分位和第三四分位之間的距離

N = 1.5IQR 如果一個值>Q3+N,或者<Q1-N,則爲離羣點

 

 

 

sns.violinplot(x='total_bill',y='day',hue='time',data=tips)

violinplot()小提琴圖，越大的地方說明數據出現在的頻率越高

分類屬性繪圖

sns.violinplot(x='day',y='total_bill',hue='sex',data=tips,split=True)
#split  對數據進行分類

 

 

sns.violinplot(x='day',y='total_bill',data=tips,inner=None)
sns.swarmplot(x='day',y='total_bill',data=tips,color='w',alpha=.9)

顯示值的集中趨勢可以用條形圖

sns.barplot(x='sex',y='survived',hue='class',data=titanic)

 

點圖可以更好的描述單一變量變化趨勢

sns.pointplot(x='sex',y='survived',hue='class',data=titanic)

對比不同性別活下的來概率

sns.pointplot(x='class',y='survived',hue='sex',data=titanic,
             palette={'male':'g','female':'m'},
             markers=['*','o'],linestyle=['-','--']); 

 自定義點圖

多層面板分類圖(最常用)

sns.factorplot(x='day',y='total_bill',hue='smoker',data=tips,kind='bar')

 

sns.factorplot(x='day',y='total_bill',hue='smoker',data=tips,col='time',kind='swarm')

 

sns.factorplot(x='time',y='total_bill',hue='smoker',data=tips,col='day',kind='box',size=4,aspect=.5)

 aspect=0.5  設置長寬比

 

 

facetgrid的使用方法

tips = sns.load_dataset('tips')
g = sns.FacetGrid(tips,col='time')  #實例化facetgrid
g.map(plt.hist,'tip')

 

 

g = sns.FacetGrid(tips,col='sex',hue='smoker')
g.map(plt.scatter,'total_bill','tip',alpha=.7)
g.add_legend()

scatter表示散點圖

g.add_legend()加入標註

g = sns.FacetGrid(tips,row='smoker',col='time',margin_titles=True)
g.map(sns.regplot,'size','total_bill',color='.1',fit_reg=True,x_jitter=.1)

fit_reg=True   顯示迴歸線

 

from pandas import Categorical
ordered_days = tips.day.value_counts().index  #tips數據集中原來的順序
ordered_days = Categorical(['Thur','Fri','Sat','Sun'])    #自己設置的順序
print(ordered_days)
g = sns.FacetGrid(tips,row='day',row_order=ordered_days,size=1.7,aspect=4)
g.map(sns.boxplot,'total_bill')

 

 

Facetgrid繪製多變量

pal = dict(Lunch='seagreen',Dinner='gray')
g = sns.FacetGrid(tips,hue='time',palette=pal,size=5)
g.map(plt.scatter,'total_bill','tip',s=20,alpha=.7,linewidth=.5,edgecolor='white')
g.add_legend()

 

 s=20 設置圖中標識圓點大小

alpha=.7設置對比度

with sns.axes_style('white'):
    g = sns.FacetGrid(tips,row='sex',col='smoker',margin_titles=True,size=2.5)
g.map(plt.scatter,'total_bill','tip',color='#334488',edgecolor='white',lw=.9);
g.set_axis_labels('Total bill(US Dollars)','Tip');
g.set(xticks=[10,30,50],yticks=[2,6,10]);
g.fig.subplots_adjust(wspace=.5,hspace=.5)   #設置每個子圖之間的距離

 這裏出現四個子圖的原因是：smoker和sex各種兩種可能

 

 

  

 

iris = sns.load_dataset('iris')
g = sns.PairGrid(iris)
g.map(plt.scatter)

對圖

g = sns.PairGrid(iris,vars=['sepal_length','sepal_width'],hue='species')
g.map(plt.scatter);   #取鳶尾花數據集中兩個特徵進行成圖