Seaborn

忘是亡心i 2022-03-20 07:15 247阅读 0赞

# Seaborn #

## 一、Seaborn和Matplotlib对比 ##

Seaborn是matplotlib的强大的一个扩展。

### 一个例子 ###

要求画出花萼和花瓣的长度的散点图，并且颜色要区分花的种类  
![20190211161545.png][]  
花的品种一共三种：  
![20190211161612.png][]

根据花的种类定义好每种花的颜色

color_map = dict(zip(iris.Name.unique(), ['blue','green','red']))

#### 使用matplotlib画图 ####

for species, group in iris.groupby('Name'):
        plt.scatter(group['PetalLength'], group['SepalLength'],
                    color=color_map[species],
                    alpha=0.3, edgecolor=None,
                    label=species)
    plt.legend(frameon=True, title='Name')
    plt.xlabel('petalLength')
    plt.ylabel('sepalLength')

![20190211161833.png][]

#### 使用seaborn画图 ####

seaborn比matplotlib画散点图简单的多，只需要一行代码就搞定。

sns.lmplot('PetalLength', 'SepalLength', iris, hue='Name', fit_reg=False)

![20190211161927.png][]

## 二、Seaborn实现直方图和密度图 ##

### 0x1 回顾matplotlib方法 ###

s1 = Series(np.random.randn(1000))
    plt.hist(s1)
    s1.plot(kind='kde')

### 0x2 绘制直方图 ###

Seaborn有一个强大的方法：distplot，它支持一些参数：

bins：直方图的分块  
hist：True表示绘制直方图，默认为True  
kde：True表示绘制密度图，默认为True  
rug：显示分布情况，默认为False不显示

sns.distplot(s1, hist=True, kde=True)

![20190211164237.png][]

![20190211164501.png][]

> 可以在下面看出数据分布情况

### 0x3 绘制密度图 ###

#### 直接传入数据就可以画出密度图： ####

![20190211170043.png][]

#### 也可以通过color参数指定颜色： ####

sns.kdeplot(s1, shade=True, color='r')

![20190211170127.png][]

#### 小技巧 ####

通过`sns.plt`可以直接调用`plt`函数  
![20190211170404.png][]

## 三、Seaborn实现柱状图和热力图 ##

### 0x1 数据准备 ###

seaborn提供了一个load\_dataset方法可以在线的下载数据作为实验，这里就用这个方法生成实验数据：  
![20190211171613.png][]

> load\_dataset实现的源码在https://github.com/mwaskom/seaborn/blob/master/seaborn/utils.py

**数据透视表**

df = df.pivot(index='month', columns='year', values='passengers')

![20190211171831.png][]

### 0x2 绘制热力图 ###

seaborn提供了heatmap方法用于绘制热力图：  
![20190211172016.png][]  
参数`annot=True,fmt='d'`可以在热力图中让每一个方块显示具体的值：  
![20190211172131.png][]

### 0x2 绘制柱状图 ###

柱状图横坐标为年份，纵坐标为这一年所有月份乘客的和：

首先使用sum方法计算出每一年乘客的和：  
![20190211172324.png][]

> 其中index为年份，values为这一年乘客的和

seaborn提供了barplot方法华柱状图，只需要在参数中指定x和y坐标即可：

sns.barplot(x=s.index, y=s.values)

![20190211172519.png][]

[20190211161545.png]: /images/20220320/05c10bc2f26f421ba9cd6c062803cbc7.png
[20190211161612.png]: /images/20220320/3962390c4caa4b599f3dc431a61f9a6e.png
[20190211161833.png]: /images/20220320/066ef62fda6c4e089f384ee738523b63.png
[20190211161927.png]: /images/20220320/ff8e409a814e4b87924c62152b1439aa.png
[20190211164237.png]: /images/20220320/ae4d6ff0037041819b079fbd04758141.png
[20190211164501.png]: /images/20220320/cc85ac40c3b143c38a9f78b37969222e.png
[20190211170043.png]: /images/20220320/469171b569d94fec8ca7cfe117152b2c.png
[20190211170127.png]: /images/20220320/8672b53fbae04e069cb7e9208202c0c6.png
[20190211170404.png]: /images/20220320/b81276263c644f27b393b4d6df5aac0e.png
[20190211171613.png]: /images/20220320/f3d3f876f22e4059999758b8bfa3e9a0.png
[20190211171831.png]: /images/20220320/52ce09fa0abc4eadab0846cb53d7e377.png
[20190211172016.png]: /images/20220320/72721f95ac38403f934e7b1e5a515ba3.png
[20190211172131.png]: /images/20220320/30136162b1d54147afb0bcf894be1371.png
[20190211172324.png]: /images/20220320/fb45531c45bb430d8a7057515f0dc92c.png
[20190211172519.png]: /images/20220320/692f9cb7c45f4e8fb6b46cf002f34e97.png