95. Seaborn 数据可视化基础#
95.1. 介绍#
Matplotlib 是支持 Python 语言的开源绘图库，因为其支持丰富的绘图类型、简单的绘图方式以及完善的接口文档，深受 Python 工程师、科研学者、数据工程师等各类人士的喜欢。Seaborn 是以 Matplotlib 为核心的高阶绘图库，无需经过复杂的自定义即可绘制出更加漂亮的图形，非常适合用于数据可视化探索。
95.2. 知识点#
关联图
类别图
分布图
回归图
矩阵图
组合图
95.3. Seaborn 介绍#
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。
95.4. 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')
[<matplotlib.lines.Line2D at 0x10f593a50>]
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')
[<matplotlib.lines.Line2D at 0x14f15b3d0>]
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。
95.5. 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。
95.6. 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。本次实验，我们使用鸢尾花数据集进行绘图探索。
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。
# 从国内镜像下载 seaborn 数据集避免下一步加载数据集失败
!wget -nc "https://cdn.aibydoing.com/aibydoing/files/seaborn-data.zip"
!unzip seaborn-data.zip -d ~/
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)
<seaborn.axisgrid.FacetGrid at 0x14f19b2d0>
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，就更好一些了。
sns.relplot(x="sepal_length", y="sepal_width", hue="species", data=iris)
<seaborn.axisgrid.FacetGrid at 0x14f34ac50>
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)
<seaborn.axisgrid.FacetGrid at 0x14f3d4510>
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)
<seaborn.axisgrid.FacetGrid at 0x14f4394d0>
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)
<Axes: xlabel='sepal_length', ylabel='petal_length'>
95.7. 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)
<seaborn.axisgrid.FacetGrid at 0x14f368210>
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)
<seaborn.axisgrid.FacetGrid at 0x14f523b10>
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)
<seaborn.axisgrid.FacetGrid at 0x14f670a90>
绘制小提琴图：
sns.catplot(x="sepal_length", y="species", kind="violin", data=iris)
<seaborn.axisgrid.FacetGrid at 0x14f70fa50>
绘制增强箱线图：
sns.catplot(x="species", y="sepal_length", kind="boxen", data=iris)
<seaborn.axisgrid.FacetGrid at 0x14f716a10>
绘制点线图：
sns.catplot(x="sepal_length", y="species", kind="point", data=iris)
<seaborn.axisgrid.FacetGrid at 0x14f80a710>
绘制条形图：
sns.catplot(x="sepal_length", y="species", kind="bar", data=iris)
<seaborn.axisgrid.FacetGrid at 0x14f8c4690>
绘制计数条形图：
sns.catplot(x="species", kind="count", data=iris)
<seaborn.axisgrid.FacetGrid at 0x14f913f90>
95.8. 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"])
<Axes: xlabel='sepal_length', ylabel='Density'>
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"])
<Axes: xlabel='sepal_length', ylabel='Density'>
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)
<seaborn.axisgrid.JointGrid at 0x14fac55d0>
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")
<seaborn.axisgrid.JointGrid at 0x14f1b2e10>
六边形计数图：
sns.jointplot(x="sepal_length", y="sepal_width", data=iris, kind="hex")
<seaborn.axisgrid.JointGrid at 0x14fc23410>
回归拟合图：
sns.jointplot(x="sepal_length", y="sepal_width", data=iris, kind="reg")
<seaborn.axisgrid.JointGrid at 0x14fd66d90>
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)
<seaborn.axisgrid.PairGrid at 0x1568ba110>
此时，我们引入第三维度
hue="species"
会更加直观。
sns.pairplot(iris, hue="species")
<seaborn.axisgrid.PairGrid at 0x15705fd90>
95.9. 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)
<Axes: xlabel='sepal_length', ylabel='sepal_width'>
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)
<seaborn.axisgrid.FacetGrid at 0x168891f10>
95.10. 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))
<Axes: >
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表述的含义。
iris.pop("species")
sns.clustermap(iris)
<seaborn.matrix.ClusterGrid at 0x168872550>
如果你浏览官方文档，就会发现 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。
95.11. 总结#
本章节对 Seaborn 的用法进行了简单的介绍。这里需要说明一下 Seaborn 和 Matplotlib 之间的关系，Seaborn 并不是为了替代 Matplotlib，而应当被看作是 Matplotlib 的补充。对于 Matplotlib 而言，它具有高度自定义属性，可以实现任何你想要的效果。而 Seaborn 非常简单快捷，几行代码就可以画出还不赖的图形。总之，Matplotlib 擅长于纯粹的绘图，而 Seaborn 则多用于数据可视化探索。
○ 欢迎分享本文链接到你的社交账号、博客、论坛等。更多的外链会增加搜索引擎对本站收录的权重，从而让更多人看到这些内容。