Python画图之Seaborn-1

Python画图之Seaborn-1

声明:此文大部分样例及参考来源于科赛Kesci的公众号,学习后整理的学习笔记,特此声明。

seaborn官方网站:http://seaborn.pydata.org/examples/index.html ,提供了大量的gallery可直接替换到业务中使用

Seaborn是一个很棒的可视化库,尤其是当数据维度很大的时候,Seaborn可以让我们用最少的代码去绘制一些描述性统计的图,便于找寻各维度变量之间的特征,本篇我们将会利用科赛上Iris鸢尾花数据集。对Stripplot & Swarmplot, Boxplot & Violinplot, Barplot & Pointplot,以及抽象化的Factorplot,为大家进行讲解。

Iris鸢尾花数据集:Iris数据集是常用的分类实验数据集,由Fisher, 1936收集整理。“Iris也称鸢尾花卉数据集,是一类多重变量分析的数据集。数据集包含150个数据集,分为3类,每类50个数据,每个数据包含4个属性。可通过花萼长度(sepal_length),花萼宽度(sepal_width),花瓣长度(petal_length),花瓣宽度(petal_width)4个属性预测鸢尾花卉属于(Setosa,Versicolour,Virginica)三个种类中的哪一类”。

import warnings
warnings.filterwarnings("ignore")
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.datasets import load_iris
#加载数据集
iris=load_iris()
iris1 = pd.DataFrame(iris.data)
iris1.columns = iris.feature_names
iris1.head()
sepal length (cm) sepal width (cm) petal length (cm) petal width (cm)
0 5.1 3.5 1.4 0.2
1 4.9 3.0 1.4 0.2
2 4.7 3.2 1.3 0.2
3 4.6 3.1 1.5 0.2
4 5.0 3.6 1.4 0.2
species=[]
for i in np.arange(len(iris.target)):
    if iris.target[i]==0:
        species.append(iris.target_names[0])
    elif iris.target[i]==1:
        species.append(iris.target_names[1])
    else:
        species.append(iris.target_names[2])

        
iris1['species'] = species
iris1.columns = ['sepal_length','sepal_width','petal_length','petal_width','species']
iris1.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

Stripplot:Stripplot的本质就是把数据集中具有Quantitative属性的变量按照类别去做散点图(Scatterplot)。

plt.figure(1,figsize=(12,6))

plt.subplot(1,2,1)
sns.stripplot(x='species',y='sepal_length',data=iris1) #stripplot
plt.title('Striplot of sepal length of Iris species')
with sns.axes_style("whitegrid"): 
    # 这个是临时设置样式的命令,如果不写,则按默认格式'darkgrid'进行绘制
    plt.subplot(1,2,2)
    plt.title('Striplot of sepal length of Iris species')
    sns.stripplot(x='species',y='sepal_length',data=iris1,jitter=True) # jitterplot

plt.show()

png

上边左侧的图片便是在默认风格下用Stripplot绘制的散点图。在很多情况下,Stripplot中的点会重叠,使得我们不容易看出点的分布情况。一个简单的解决办法就是用在Stripplot的基础上绘制抖动图(jitterplot),仅沿着类别坐标轴的方向去随机微调整点的位置,显示出分布情况。

Swarmplot: 另一个解决Stripplot中点重叠的办法就是绘制Swarmplot,它的本质就是用通过算法,在类别坐标轴的方向上去‘延展’绘制这些原本重合的点。 我们将纸鸢花数据集中不同种类花的Petal Length和Petal width做Swarmplot可视化。

plt.figure(1,figsize=(12,6))

plt.subplot(1,2,1)
sns.swarmplot(x='species',y='petal_length',data=iris1) 

with sns.axes_style("ticks"): # 这次使用了ticks风格
    plt.subplot(1,2,2)
    sns.swarmplot(x='species',y='petal_width',data=iris1)

plt.show()

png

Boxplot: 箱形图,主要包含六个数据节点,将一组数据从大到小排列,分别计算出上边缘,上四分位数Q3,中位数,下四分位数Q1,下边缘,还有异常值。 下面将纸鸢花数据集中的四个变量sepal_length, sepal_width, petal_length和petal_width做箱形图可视化。

var = ['sepal_length','sepal_width','petal_length','petal_width']
axes_style = ['ticks','white','whitegrid', 'dark']

fig = plt.figure(1,figsize=(12,12))
for i in range(4):    
    with sns.axes_style(axes_style[i]): 
        # 将除了默认的darkgrid之外的样式都展现一遍
        plt.subplot(2,2,i+1)
        sns.boxplot(x='species',y=var[i],data=iris1)

plt.show()

png

Violinplot: Violinplot相当于结合了箱形图与核密度图,更好地展现出数据的量化形态。

context= ['notebook','paper','talk','poster']
axes_style = ['ticks','white','whitegrid', 'dark']

plt.figure(1,figsize=(12,12))
for i in range(4):    
    with sns.axes_style(axes_style[i]):#设置axes_style
        sns.set_context(context[i]) 
        # 设置context style,默认为notebook,除此之外还有paper,talk,poster
        plt.subplot(2,2,i+1)
        plt.title(str(var[i])+ ' in Iris species')
        sns.violinplot(x='species',y=var[i],data=iris1)

plt.show()

png

Violinplot用Kernel Density Estimate去更好地描述了quantitative变量的分布。

与此同时,也可以组合Swarmplot和Boxplot或Violinplot去描述Quantitative变量。用鸢尾花数据集展示如下:

context= ['notebook','paper','talk','poster']
axes_style = ['ticks','white','whitegrid', 'dark']

plt.figure(1,figsize=(12,12))
for i in range(4):    
    with sns.axes_style(axes_style[i]):#设置axes_style
        sns.set_context(context[i])#设置context
        plt.subplot(2,2,i+1)
        plt.title(str(var[i])+ ' in Iris species')
        sns.swarmplot(x='species', y=var[i], data=iris1, color="w", alpha=.5) 
        if i % 2 == 0:
            sns.violinplot(x='species', y=var[i], data=iris1, inner=None) 
        else:
            sns.boxplot(x='species', y=var[i], data=iris1) 
            # 分别用swarmplot+violinplot 和swarmplot + boxplot

plt.show()

png

Barplot: Barplot主要是展现在分类中的Quantitative变量的平均值情况,并且用了Boostrapping算法计算了估计值的置信区间和Error bar.用鸢尾花数据集

plt.figure(1,figsize=(12,12))
for i in range(4):    
    with sns.axes_style(axes_style[i]):#设置axes_style
        sns.set_context(context[i]) 
        # 设置context style,默认为notebook,除此之外还有paper,talk,poster
        plt.subplot(2,2,i+1)
        plt.title(str(var[i])+ ' in Iris species')
        sns.barplot(x='species',y=var[i],data=iris1)
plt.show()

png

Countplot: 如果想知道在每个类别下面有多少个观察值,用Countplot就可以,相当于是做一个Observation Counts,用鸢尾花数据集展示如下:

plt.figure(figsize=(5,5))
sns.countplot(y="species", data=iris1) # 设置y='species',将countplot水平放置
plt.title('Iris species count')
plt.show()

png

Pointplot: Pointplot相当于是对Barplot做了一个横向延伸,一方面,用Point Estimate和Confidence Level去展示Barplot的内容;另一方面,当每一个主类别下面有更细分的Sub-Category的时候,Pointplot可以便于观察不同Sub-Category在各主类别之间的联系。展示如下:

plt.figure(1,figsize=(14,14))
for i in range(4):    
    with sns.axes_style(axes_style[i]):#设置axes_style
        sns.set_context(context[i]) 
        # 设置context style,默认为notebook,除此之外还有paper,talk,poster
        plt.subplot(2,2,i+1)
        plt.title(str(var[i])+ ' in Iris species')
        sns.pointplot(x='species',y=var[i],data=iris1)
plt.show()

png

Factorplot: Factorplot可以说是Seaborn做Category Visualization的精髓,前面讲的这些Plot都可以说是Factorplot的具体展示。我们可以用PariGrid去实现对多个类别的数值特征用同一种Plot做可视化。

sns.set(style="ticks")
g = sns.PairGrid(iris1,x_vars = ['sepal_length','sepal_width','petal_length',
                 'petal_width'],
                 y_vars = 'species', aspect=0.75,size=4) 
                 # 设置间距和图片大小
g.map(sns.violinplot,palette='pastel')
plt.show()

png

Author face

徐静

数据科学从业者,数据分析师. 善于用数据科学的工具透析业务,模型的线上化部署,网络爬虫及前端可视化. 喜欢研究机器学习,深度学习及相关软件实现.目前自己还是小白一个,希望多多学习.

最近发表的文章