Seaborn 数据可视化基础教程

Matplotlib 应该是基于 Python 语言最优秀的绘图库了，但是它也有一个十分令人头疼的问题，那就是太过于复杂了。3000 多页的官方文档，上千个方法以及数万个参数，属于典型的你可以用它做任何事，但又无从下手。尤其是，当你想通过 Matplotlib 调出非常漂亮的效果时，往往会伤透脑筋，非常麻烦。

Seaborn 基于 Matplotlib 核心库进行了更高阶的 API 封装，可以让你轻松地画出更漂亮的图形。Seaborn 的漂亮主要体现在配色更加舒服、以及图形元素的样式更加细腻，下面是 Seaborn 官方给出的参考图。

Seaborn 具有如下特点：

• 内置数个经过优化的样式效果。
• 增加调色板工具，可以很方便地为数据搭配颜色。
• 单变量和双变量分布绘图更为简单，可用于对数据子集相互比较。
• 对独立变量和相关变量进行回归拟合和可视化更加便捷。
• 对数据矩阵进行可视化，并使用聚类算法进行分析。
• 基于时间序列的绘制和统计功能，更加灵活的不确定度估计。
• 基于网格绘制出更加复杂的图像集合。

除此之外， Seaborn 对 Matplotlib 和 Pandas 的数据结构高度兼容 ，非常适合作为数据挖掘过程中的可视化工具。

快速优化图形

当我们使用 Matplotlib 绘图时，默认的图像样式算不上美观。此时，就可以使用 Seaborn 完成快速优化。下面，我们先使用 Matplotlib 绘制一张简单的图像。

import matplotlib.pyplot as plt
%matplotlib inline

x = [1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
y_bar = [3, 4, 6, 8, 9, 10, 9, 11, 7, 8]
y_line = [2, 3, 5, 7, 8, 9, 8, 10, 6, 7]

plt.bar(x, y_bar)
plt.plot(x, y_line, '-o', color='y')

使用 Seaborn 完成图像快速优化的方法非常简单。只需要将 Seaborn 提供的样式声明代码 sns.set() 放置在绘图前即可。

import seaborn as sns

sns.set()  # 声明使用 Seaborn 样式

plt.bar(x, y_bar)
plt.plot(x, y_line, '-o', color='y')

我们可以发现，相比于 Matplotlib 默认的纯白色背景，Seaborn 默认的浅灰色网格背景看起来的确要细腻舒适一些。而柱状图的色调、坐标轴的字体大小也都有一些变化。

sns.set() 的默认参数为：

sns.set(context='notebook', style='darkgrid', palette='deep', font='sans-serif', font_scale=1, color_codes=False, rc=None)

其中：

• context='' 参数控制着默认的画幅大小，分别有 {paper, notebook, talk, poster} 四个值。其中，poster > talk > notebook > paper。
• style='' 参数控制默认样式，分别有 {darkgrid, whitegrid, dark, white, ticks}，你可以自行更改查看它们之间的不同。
• palette='' 参数为预设的调色板。分别有 {deep, muted, bright, pastel, dark, colorblind} 等，你可以自行更改查看它们之间的不同。
• 剩下的 font='' 用于设置字体，font_scale= 设置字体大小，color_codes= 不使用调色板而采用先前的 'r' 等色彩缩写。

Seaborn 绘图 API

Seaborn 一共拥有 50 多个 API 类，相比于 Matplotlib 数千个的规模，可以算作是短小精悍了。其中，根据图形的适应场景，Seaborn 的绘图方法大致分类 6 类，分别是：关联图、类别图、分布图、回归图、矩阵图和组合图。而这 6 大类下面又包含不同数量的绘图函数。

接下来，我们就通过实际数据进行演示，使用 Seaborn 绘制不同适应场景的图形。

关联图

当我们需要对数据进行关联性分析时，可能会用到 Seaborn 提供的以下几个 API。

| 关联性分析 | 介绍 | | :---------: | :--------------: | | relplot | 绘制关系图 | | scatterplot | 多维度分析散点图 | | lineplot | 多维度分析线形图 |

relplot 是 relational plots 的缩写，其可以用于呈现数据之后的关系，主要有散点图和条形图 2 种样式。我们载入鸢尾花示例数据集。

在绘图之前，先熟悉一下 iris 鸢尾花数据集。数据集总共 150 行，由 5 列组成。分别代表：萼片长度、萼片宽度、花瓣长度、花瓣宽度、花的类别。其中，前四列均为数值型数据，最后一列花的分类为三种，分别是：Iris Setosa、Iris Versicolour、Iris Virginica。

iris = sns.load_dataset("iris")
iris.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

此时，我们指定 $x$ 和 $y$ 的特征，默认可以绘制出散点图。

sns.relplot(x="sepal_length", y="sepal_width", data=iris)

但是，上图并不能看出数据类别之间的联系，如果我们加入类别特征对数据进行着色，就更加直观了。

sns.relplot(x="sepal_length", y="sepal_width", hue="species", data=iris)

Seaborn 的函数都有大量实用的参数，例如我们指定 style 参数可以赋予不同类别的散点不同的形状。更多的参数，希望大家通过阅读官方文档了解。

sns.relplot(x="sepal_length", y="sepal_width",
            hue="species", style="species", data=iris)

不只是散点图，该方法还支持线形图，只需要指定 kind="line" 参数即可。线形图和散点图适用于不同类型的数据。线形态绘制时还会自动给出 95% 的置信区间。

sns.relplot(x="sepal_length", y="petal_length",
            hue="species", style="species", kind="line", data=iris)

你会发现，上面我们一个提到了 3 个 API，分别是：relplot，scatterplot 和 lineplot。实际上，你可以把我们已经练习过的 relplot 看作是 scatterplot 和 lineplot 的结合版本。

这里就要提到 Seaborn 中的 API 层级概念，Seaborn 中的 API 分为 Figure-level 和 Axes-level 两种。relplot 就是一个 Figure-level 接口，而 scatterplot 和 lineplot 则是 Axes-level 接口。

Figure-level 和 Axes-level API 的区别在于，Axes-level 的函数可以实现与 Matplotlib 更灵活和紧密的结合，而 Figure-level 则更像是「懒人函数」，适合于快速应用。

例如上方的图，我们也可以使用 lineplot 函数绘制，你只需要取消掉 relplot 中的 kind 参数即可。

sns.lineplot(x="sepal_length", y="petal_length",
             hue="species", style="species", data=iris)

类别图

与关联图相似，类别图的 Figure-level 接口是 catplot，其为 categorical plots 的缩写。而 catplot 实际上是如下 Axes-level 绘图 API 的集合：

• 分类散点图：

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

• 分类分布图：

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

• 分类估计图：

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

下面，我们看一下 catplot 绘图效果。该方法默认是绘制 kind="strip" 散点图。

sns.catplot(x="sepal_length", y="species", data=iris)

kind="swarm" 可以让散点按照 beeswarm 的方式防止重叠，可以更好地观测数据分布。

sns.catplot(x="sepal_length", y="species", kind="swarm", data=iris)

同理，hue= 参数可以给图像引入另一个维度，由于 iris 数据集只有一个类别列，我们这里就不再添加 hue= 参数了。如果一个数据集有多个类别，hue= 参数就可以让数据点有更好的区分。

接下来，我们依次尝试其他几种图形的绘制效果。绘制箱线图：

sns.catplot(x="sepal_length", y="species", kind="box", data=iris)

绘制小提琴图：

sns.catplot(x="sepal_length", y="species", kind="violin", data=iris)

绘制增强箱线图：

sns.catplot(x="species", y="sepal_length", kind="boxen", data=iris)

绘制点线图：

sns.catplot(x="sepal_length", y="species", kind="point", data=iris)

绘制条形图：

sns.catplot(x="sepal_length", y="species", kind="bar", data=iris)

绘制计数条形图：

sns.catplot(x="species", kind="count", data=iris)

分布图

分布图主要是用于可视化变量的分布情况，一般分为单变量分布和多变量分布。当然这里的多变量多指二元变量，更多的变量无法绘制出直观的可视化图形。

Seaborn 提供的分布图绘制方法一般有这几个： jointplot，pairplot，distplot，kdeplot。接下来，我们依次来看一下这些绘图方法的使用。

Seaborn 快速查看单变量分布的方法是 distplot。默认情况下，该方法将会绘制直方图并拟合核密度估计图。

sns.distplot(iris["sepal_length"])

distplot 提供了参数来调整直方图和核密度估计图，例如设置 kde=False 则可以只绘制直方图，或者 hist=False 只绘制核密度估计图。当然，kdeplot 可以专门用于绘制核密度估计图，其效果和 distplot(hist=False) 一致，但 kdeplot 拥有更多的自定义设置。

sns.kdeplot(iris["sepal_length"])

jointplot 主要是用于绘制二元变量分布图。例如，我们探寻 sepal_length 和 sepal_width 二元特征变量之间的关系。

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

jointplot 并不是一个 Figure-level 接口，但其支持 kind= 参数指定绘制出不同样式的分布图。例如，绘制出核密度估计对比图。

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

六边形计数图：

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

回归拟合图：

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

最后要介绍的 pairplot 更加强大，其支持一次性将数据集中的特征变量两两对比绘图。默认情况下，对角线上是单变量分布图，而其他则是二元变量分布图。

sns.pairplot(iris)

此时，我们引入第三维度 hue="species" 会更加直观。

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

回归图

接下来，我们继续介绍回归图，回归图的绘制函数主要有：lmplot 和 regplot。

regplot 绘制回归图时，只需要指定自变量和因变量即可，regplot 会自动完成线性回归拟合。

sns.regplot(x="sepal_length", y="sepal_width", data=iris)

lmplot 同样是用于绘制回归图，但 lmplot 支持引入第三维度进行对比，例如我们设置 hue="species"。

sns.lmplot(x="sepal_length", y="sepal_width", hue="species", data=iris)

矩阵图

矩阵图中最常用的就只有 2 个，分别是：heatmap 和 clustermap。

意如其名，heatmap 主要用于绘制热力图。

import numpy as np

sns.heatmap(np.random.rand(10, 10))

热力图在某些场景下非常实用，例如绘制出变量相关性系数热力图。

除此之外，clustermap 支持绘制层次聚类结构图。如下所示，我们先去掉原数据集中最后一个目标列，传入特征数据即可。当然，你需要对层次聚类有所了解，否则很难看明白图像多表述的含义。

iris.pop("species")
sns.clustermap(iris)

如果你浏览官方文档，你会发现 Seaborn 中还存在大量已大些字母开始的类，例如 JointGrid，PairGrid 等。实际上这些类只是其对应小写字母的函数 jointplot，pairplot 的进一步封装。当然，二者可能稍有不同，但并没有本质的区别。

除此之外，Seaborn 官方文档 中还有关于 样式控制 和 色彩自定义 等一些辅助组件的介绍。对于这些 API 的应用没有太大的难点，重点需要勤于练习。

关联阅读

• Matplotlib 绘图基础课程