转载

Seaborn 官方教程中文版（一）

seaborn官方文档翻译

统计分析 是理解数据集中各个变量彼此关系的重要过程，通过 统计分析 ，我们就可以洞见数据中隐藏的趋势和规律，更好的揭示数据之间的关系。

在本教程中我们主要讨论三种 seaborn函数 ：

relplot(kind) 画图函数kind参数可以为"scatter"或者"line"
scatterplot() 散点图函数
lineplot() 折线图函数

不论数据结构多么复杂，seaborn的这些函数可以很简明的将数据展示出来。比如在二维空间中，seaborn可以在图中通过色调（hue）、尺寸（size）、风格（style）等方式来展示三维数据结构。具体怎么使用请看继续往下学习

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

#让jupyter notebook的Cell可以将多个变量显示出来。
from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = 'all'

sns.set(style="darkgrid")

使用散点图展现相关变量

散点图是统计可视化方法中的中流砥柱。可以使用relplot(kind='scatter')或者scatter()作图

tips = pd.read_csv('tips.csv')
#tips数据集中包含total_bill、tip、sex、smoker、day、time、size这些字段
tips.head()
sns.relplot(x="total_bill", 
            y="tip", 
            data=tips)
#sns.scatterplot(x="total_bill", y="tip", data=tips) #效果等同于relplot函数

Seaborn 官方教程中文版（一）

style样式

当有第三个变量参与绘图，在seaborn中可以使用style（类别样式参数），因为类别本身也是带有信息的。

sns.relplot(x="total_bill", 
            y="tip", 
            style="smoker", 
            data=tips)

Seaborn 官方教程中文版（一）

hue色标

但是上图看着smoker类目，No和yes很难在图中区分。如果能有色调的区别，更容易肉眼区分开来。这里使用色调参数 hue

sns.relplot(x="total_bill", 
            y="tip", 
            hue="smoker", 
            style="smoker", 
            data=tips)

Seaborn 官方教程中文版（一）

当然我们也可以在图中对四种变量进行统计性分析。四个变量分别是 total_bill、tip、smoker、time

sns.relplot(x="total_bill", 
            y="tip", 
            hue="smoker", 
            style="time", 
            data=tips)

Seaborn 官方教程中文版（一）

palette调色板

在两个例子中，我们可以自定义调色板（color palette），这样做有很多options。在这里，我们使用字字符串接口自定义 顺序调色板 。

sns.relplot(x="total_bill", 
            y="tip", 
            hue="size", 
            #ch变化范围(2.5,-0.2),从浅色（大于0）到深色（小于0）
            #色调的明暗程度dark取值范围（0，1），dark值越大散点的颜色越浅
            palette="ch:2.5,-0.2,dark=0.1", 
            data=tips)

Seaborn 官方教程中文版（一）

size尺寸

对于三个变量的可视化，其实还可以使用尺寸size参数来可视化。

sns.relplot(x='total_bill', 
            y='tip', 
            size='size', 
            data=tips)

Seaborn 官方教程中文版（一）

size还可以设置范围

sns.relplot(x='total_bill',  
            y='tip', 
            size='size', 
            sizes=(15, 200),
            data=tips)

Seaborn 官方教程中文版（一）

散点图使用很方便，但这并不是万能通用的可视化方法。例如，我们想探索某些数据集中的某个变量随着时间的变化趋势，或者该变量是连续型变量，此时使用 lineplot() 更好。或者 relplot(kind='line') 。

我们伪造一份随着时间变化的数据

data = dict(time=np.arange(500),
            value=np.random.randn(500).cumsum())

df = pd.DataFrame(data)

g = sns.relplot(x="time",
                y="value",
                kind="line",
                data=df)

g.fig.autofmt_xdate()

Seaborn 官方教程中文版（一）

sort参数

因为 lineplot() 假定我们绘制的图因变量是y，自变量是x。绘图前默认从x轴方向对数据进行排序。但是，这种情况是可以被禁用的：

df = pd.DataFrame(np.random.randn(500, 2).cumsum(axis=0), 
                  columns=["x", "y"])

sns.relplot(x="x", 
            y="y", 
            sort=True, 
            kind="line", 
            data=df)

Seaborn 官方教程中文版（一）

sns.relplot(x="x", 
            y="y", 
            sort=False, 
            kind="line", 
            data=df)

Seaborn 官方教程中文版（一）

03-聚合并表示不确定性

更复杂的数据集将对x变量的相同值有多个观测值。seaborn中默认通过绘制x的平均值和x的95％置信区间来聚合每个x的多个测量值：

fmri = pd.read_csv('fmri.csv')
fmri.head()

sns.relplot(x='timepoint', 
            y='signal',
            kind='line',
            data=fmri)

Seaborn 官方教程中文版（一）

置信区间ci

使用bootstrapping来计算置信区间（confidence intervals），这对于较大的数据集来说会是时间密集型的。因此我们可以对该方法采用禁用。参数ci=None表示禁用

sns.relplot(x='timepoint', 
            y='signal',
            kind='line',
            ci=None,
            data=fmri)

Seaborn 官方教程中文版（一）

另一个好的选择，特别是对于更大的数据，是通过绘制 标准偏差sd 而不是置信区间来表示每个时间点的分布范围。ci参数设置为'sd'

sns.relplot(x='timepoint', 
            y='signal',
            kind='line',
            ci='sd',
            data=fmri)

Seaborn 官方教程中文版（一）

estimator

要完全剔除聚合效应，请将 estimator 参数设置为 None 。当数据在每个点上有多个观察值时，这可能会产生奇怪的效果。

sns.relplot(x='timepoint', 
            y='signal',
            kind='line',
            estimator=None,
            data=fmri)

Seaborn 官方教程中文版（一）

使用语义映射绘制数据子集

Plotting subsets of data with semantic mappings

lineplot() 拥有与 relplot()、scatterplot() 类似的灵活性：同样可以借助色调hue、尺寸size和样式style将三种变量展示在二维图表中。因此我们不用停下来思考如何使用matplotlib对点线具体的参数进行设置。

使用 lineplot() 也会诊断数据如何借助语义进行聚合。例如在制图时，加入 色调hue 会将图表分为两条曲线以及错误带（error band），每种颜色对应的指示出数据的子集：

色调hue

下面我们看看hue具体例子

fmri = pd.read_csv('fmri.csv')
fmri.sample(5)

sns.relplot(x='timepoint',
            y = 'signal',
            hue='event',
            kind='line',
            data=fmri)

Seaborn 官方教程中文版（一）

样式style

改变制图中的样式

sns.relplot(x='timepoint',
            y = 'signal',
            hue='event',
            style='event',
            kind='line',
            data=fmri)

Seaborn 官方教程中文版（一）

注意上面代码中hue和style参数都是一个变量，所以绘制的图与之前生成的图变动不大。只是cue类曲线从实线变成虚线。

现在hue和style参数不同后，我们在运行试试

sns.relplot(x='timepoint',
            y = 'signal',
            hue='region',
            style='event',
            kind='line',
            data=fmri)

Seaborn 官方教程中文版（一）

与散点图一样，要谨慎使用多个语义制作线图。虽然这样操作有时候提供了信息，但图表更难解读。但即使您只检查一个附加变量的变化，更改线条的颜色和样式也很有用。当打印成黑白或有色盲的人观看时，这可以使情节更容易理解：

sns.relplot(x='timepoint',
            y = 'signal',
            hue='event',
            style='event',
            kind='line',
            data=fmri)

Seaborn 官方教程中文版（一）

units

当您使用重复测量数据（即，您有多次采样的单位）时，您还可以单独绘制每个采样单位，而无需通过语义区分它们。这可以避免使图例混乱：

sns.relplot(x="timepoint", 
            y="signal", 
            hue="region",
            units="subject", 
            estimator=None,
            kind="line", 
            data=fmri.query("event == 'stim'"))

Seaborn 官方教程中文版（一）

lineplot（）中默认的色彩映射和图例处理还取决于 色调hue 是 分类型数据 还是 数字型数据 ：

dots = pd.read_csv('dots.csv').query("align == 'dots'")
dots.head()

sns.relplot(x="time", 
            y="firing_rate",
            hue="coherence", 
            style="choice",
            kind="line", 
            data=dots)

Seaborn 官方教程中文版（一）

调色板palette

可能会发生这样的情况：即使色调变量palette是数字，它也很难用线性色标表示。这就是这种情况，其中色调变量hue以对数方式缩放。您可以通过传递列表或字典为每一行提供特定的颜色值：

#n_colors值与coherence种类数相等
palette = sns.cubehelix_palette(light=.8, n_colors=6) 

sns.relplot(x="time", 
            y="firing_rate",
            hue="coherence", 
            style="choice",
            palette=palette,
            kind="line", data=dots);

Seaborn 官方教程中文版（一）

hue_norm

或者您可以更改色彩映射的规范化方式

from matplotlib.colors import LogNorm

sns.relplot(x="time", 
            y="firing_rate",
            hue="coherence", 
            hue_norm=LogNorm(),
            style="choice",
            kind="line", 
            data=dots);

Seaborn 官方教程中文版（一）

size

改变线条的粗细

sns.relplot(x='time',
            y='firing_rate',
            size='coherence',
            style='choice',
            kind='line',
            data=dots)

Seaborn 官方教程中文版（一）

绘制date数据

df = pd.DataFrame(dict(time=pd.date_range("2017-1-1", periods=500),
                       value=np.random.randn(500).cumsum()))
df.head()

g = sns.relplot(x="time", y="value", kind="line", data=df)
g.fig.autofmt_xdate()

Seaborn 官方教程中文版（一）

多图展现更多信息

当你想要理解两个变量之间的关系如何依赖于多个其他变量时呢？

最好的方法可能是制作一个以上的图。因为 relplot（） 基于 FacetGrid ，所以这很容易做到。要显示新增变量的影响，而不是将其分配给绘图中的一个语义角色，请使用它来“构思”（facet）可视化。这意味着您可以创建多个轴并在每个轴上绘制数据的子集：

tips = pd.read_csv('tips.csv')

sns.relplot(x="total_bill", 
            y="tip", 
            hue="smoker",
            col="time",  #time有几种值，就有几列图
            data=tips);

Seaborn 官方教程中文版（一）

sns.relplot(x="timepoint", 
            y="signal", 
            hue="subject",
            col="region",  #region有几种值，就有几列图
            row="event",  #event有几种值，就有几行图
            height=3,
            kind="line", 
            estimator=None, 
            data=fmri);

Seaborn 官方教程中文版（一）

sns.relplot(x="timepoint", 
            y="signal", 
            hue="event", 
            style="event",
            col="subject", 
            col_wrap=3, #显示的图片的行数
            height=3, 
            aspect=1, #长宽比，该值越大图片越方。
            linewidth=2.5,
            kind="line", 
            data=fmri.query("region == 'frontal'"));