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