Seaborn使用基础教程_数据分析工具Seaborn

 Python作为常用的数据分析工具，在可视化工具上，有很多优秀的第三方库如matplotlib、seaborn、plotly、cufflinks、boken、pyecharts等。由于matplotlib绘制的图表大多数时候确实不太美观，且使用较古怪，seaborn对matplotlib进行了进一步的封装，它是matplotlib的一个高级API，使用方便。（相当于cufflinks封装了plotly一样）在数据科学竞赛及数据分析领域，matplotlib+seaborn依然是主流的配置，尽管plotly等对其有所冲击（看个人喜好吧）。运行pip install seaborn进行安装，Seaborn交互性极强，建议使用jupyter notebook作为IDE。（pip install jupyter安装，命令行jupyter notebook启动）import matplotlib.pyplot as plt import seaborn as sns df = sns.load_dataset('tips') df.head() 1 2 3 4 5 查看数据 tips数据集包含消费账单的大小、小费、性别、是否吸烟、星期几、时间、人数等。 图表 Seaborn的最大优点在于其提供了较为美观的各类图表，这也是为什么平时更多使用seaborn而不是matplotlib直接绘制的原因。plt.figure(figsize=(12, 6)) sns.scatterplot(x='total_bill', y='tip', data=df, hue='day') # 散点图 # sns.stripplot(x='total_bill', y='tip', data=df, hue='day') # 分类散点图 # sns.swarmplot(x='total_bill', y='tip', data=df, hue='day') # 分簇散点图 1 2 3 4 x表示x轴所取数据的列名称 y表示y轴所取数据的列名称 data表示数据来源的dataframe height表示绘图大小 fit_reg表示是否显示拟合回归线，默认显示 hue表示是否显示第三个维度的嵌套信息，类似x和y那样指定，以不同颜色在二维图上区分。 简单绘制如下。 折线图 plt.figure(figsize=(12, 6)) sns.lineplot(x='total_bill', y='tip', data=df, size=6) 1 2 后面所有图标参数类似上面的散点图。 简单绘制如下。 条形图 plt.figure(figsize=(12, 6)) sns.barplot(x='size', y='tip', data=df) 1 2 参数同上。 简单绘制如下。 计数条形图 plt.figure(figsize=(12, 6)) sns.countplot(df['day']) 1 2 参数同上。 简单绘制如下。 核密度图 plt.figure(figsize=(12, 6)) sns.distplot(df['tip']) 1 2 参数同上。 简单绘制如下。 箱型图 plt.figure(figsize=(8, 4)) sns.boxplot(data=df) plt.figure(figsize=(8, 4)) sns.boxenplot(data=df) 1 2 3 4 参数同上。 简单绘制如下，增强箱型图显示更多分位数。 热度图 plt.figure(figsize=(12, 6)) sns.heatmap(df.corr()) 1 2 参数同上。 一般用于绘制相关系数矩阵，如下。 高级函数 针对数据可视化的不同目的，seaborn提供了relplot()，catplot()，displot()，lmplot()四大主要高级函数。plt.figure(figsize=(12, 8)) sns.relplot(x='total_bill', y='tip', data=df, hue='day') 1 2 方便观察变量关系，默认散点图。 分类数据的分布图（categorical） plt.figure(figsize=(12, 8)) sns.catplot(x='total_bill', y='day', data=df) 1 2 方便观察分类数据的分布情况。 数据集分布图（distribution） 方便对整个数据集有个初步了解。以及分散为另外几个函数。 回归线图（linear model） plt.figure(figsize=(12, 8)) sns.lmplot(x='total_bill', y='tip', data=df, height=6, fit_reg=True, hue='day') 1 2 类似第一种，不过lmplot的data必须给出而relplot不需要，所以relplot是底层函数。 定制 Seaborn是基于matplotlib的封装，很多底层的定制仍然需要使用matplotlib定制，如label、lim等。