Python Seaborn 简介

2018-09-12 Wednesday    


Seaborn 是一个基于 matplotlib 的可视化库,提供了一个更上层的 API 封装,从而可以更容易的绘制图形。

简介

数据集

提供了很多示例数据集,可以通过 sns.load_dataset("iris") 方式加载,实际上是从 Seaborn Data 上下载的数据,也可以通过 get_dataset_names() 查看当前存在的数据集。

也可以将数据集离线下载保存。

绘图

pairplot

主要是为了展示变量两两之间的关系,包括了线性、非线性、是否相关等,如下以

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

iris = sns.load_dataset('iris')     # require internet
iris = pd.read_csv('data/iris.csv') # offline downloaded

sns.pairplot(iris)
plt.show()

默认对角线上是各个属性的直方图,非对角线上是两个不同属性之间的相关图,可以明显看到相关属性的相关关系,例如花瓣的长度和宽度。

有些常用参数这里简单介绍,包括了控制图的形状,例如:A) kind 非对角线 scatter reg ;B) diag_kind 对角线 hist kde 。当使用 reg 时,会同时拟合一条直线,更方便用于观测。

sns.pairplot(iris, kind='reg', diag_kind='kde')

可以通过 hue 参数设置分类。

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

在通过 hue 参数分类之后,可以直接通过直方图、散点图区分不同种类的花,基本有肉眼可见的差异。分类可以通过 palette 控制色调,markers 设置散点格式。

sns.pairplot(iris, hue='species', palette='husl')
sns.pairplot(iris, hue='species', markers=["+", "s", "D"])

另外,可以只对比部分类型,通过 varsx_varsy_vars 传入,注意,后两者需要同时指定。

sns.pairplot(iris, vars=['sepal_length', 'petal_length'])
sns.pairplot(iris, x_vars=['sepal_length', 'petal_width'],
	y_vars=['sepal_width', 'petal_length'])

更多的样式可以通过 plot_kwsdiag_kws 控制,分别表示非对角线以及对角线上的样式。

sns.pairplot(iris, diag_kind="kde",
	plot_kws=dict(s=50, edgecolor="w", color="g", alpha=.5),
	diag_kws=dict(shade=True, color="r"))


如果喜欢这里的文章,而且又不差钱的话,欢迎打赏个早餐 ^_^