Python 数据科学中的 Seaborn 绘图可视化

开发 后端
本篇文章主要研究 Seaborn 库——Seaborn 是一个统计绘图库,建立在 Matplotlib 基础之上。它具有非常漂亮的默认绘图样式,并且也与 Pandas DataFrames 配合得很好。

[[420332]]

 Python中文社区 (ID:python-china)

本篇文章主要研究 Seaborn 库——Seaborn 是一个统计绘图库,建立在 Matplotlib 基础之上。它具有非常漂亮的默认绘图样式,并且也与 Pandas DataFrames 配合得很好。

Seaborn 可以像安装任何其他 Python 包一样使用“pip”进行安装。

  1. pip install seaborn 

Seaborn 的官方文档地址如下:

https://seaborn.pydata.org/

另一个重要的地址是官方 API,它引用了各种可用的绘图类型。

https://seaborn.pydata.org/api.html

我将尝试将 Seaborn 的功能分解为不同的类别——并从使我们能够可视化数据集分布的图开始。

让我们从导入开始并加载数据 - 我将使用“Financial Sample.xlsx”数据。excel文件可以长按扫码文末二维码后进入宽客量化俱乐部下载:

Financial Sample.xlsx 

  1. import pandas as pd  
  2. import seaborn as sns  
  3. #如果使用 Jupyter Notebooks,下面的行允许我们在浏览器中显示图表  
  4. %matplotlib inline  
  5. #在 Pandas DataFrame 中加载我们的数据  
  6. df = pd.read_excel('Financial Sample.xlsx')   
  7. #打印前 5 行数据以确保正确加载  
  8. df.head() 

让我们首先看看“distplot”——这让我们可以看到一组单变量观测值的分布——单变量只是意味着一个变量。 

  1. #绘制 DataFrame "Profit" 列的分布  
  2. sns.displot(df['Profit']) 

我们现在有一个感兴趣的分布图——但作为一个快速入门,风格看起来有点平淡。让我们给它一个更常见的“Seaborn”样式,试图让它看起来更好一点…… 

  1. #设置我们希望用于绘图的样式  
  2. sns.set_style("darkgrid")  
  3. #绘制 DataFrame "Profit" 列的分布  
  4. sns.displot(df['Profit']) 

我们已经设法用一行代码绘制 DataFrame 数据的直方图以及“KDE”线——即核密度估计图。如果我们在 plot 调用中添加“kde=False”,我们可以删除 KDE。我们还可以按如下方式更改直方图中“bins”的数量——在本例中,它们被设置为 50: 

  1. sns.displot(df['Profit'],kde=False,bins=50

现在让我们看一个“联合图”——这允许我们组合两个 distplots 并处理双变量数据。让我们创建一个快速的联合图。为此,我们需要通过传入列名来指定我们想要绘制的 DataFrame 列,以及我们从中提取列的实际 DataFrame。这可以按如下方式完成:假设我想绘制“Profit”列与“Units Sold”列。 

  1. sns.jointplot(x='Profit',y='Units Sold',data=df

我们现在有一个图,显示了两个变量列之间的散点图,以及它们在任一侧的相应分布图(它甚至在右上角为我们提供了皮尔逊相关系数和 p 分数。)

Jointplot 还允许我们设置一个名为“kind”的附加参数。这允许您影响主图表的表示方式。目前它是一个“散点”,因为这是默认值,但是如果我们将其更改为“十六进制”,例如,我们将得到以下图,它将图表上的点表示为密度六边形 - 即包含更多数据点的六边形 显示为比包含较少点的那些更暗。 

  1. sns.jointplot(x='Profit',y='Units Sold',data=df,kind='hex'

我们可以为“kind”添加的另一个参数是“reg”,它代表回归。这看起来很像散点图,但这次将添加线性回归线。 

  1. sns.jointplot(x='Profit',y='Units Sold',data=df,kind='reg'

我们可以规定的另一种类型是“kde”,它将绘制一个二维 KDE 图,它基本上只显示数据点最常出现的位置的密度。 

  1. sns.jointplot(x='Profit',y='Units Sold',data=df,kind='kde'

让我们从jointplots继续看“pairplots”。这些使我们能够查看整个数据帧(对于数值数据)的成对关系,并且还支持分类数据点的“色调”参数。所以 pairplot 本质上是为 DataFrame 中数字列的每个可能组合创建一个联合图。我将快速创建一个新的 DataFrame,它删除“Month Number”和“Year”列,因为这些并不是我们连续数字数据的一部分,例如“利润”和“COGS”(销售成本)。我还将删除其他几列以缩小我们的 DataFrame,这样我们的输出图就不会过于拥挤。 

  1. #删除不需要的列  
  2. new_df = df.drop(['Month Number','Year','Manufacturing Price','Sale Price'],axis=1 
  3. sns.pairplot(new_df) 

请注意,我们基本上对每对列都有一个配对图,并且在对角线上我们有一个分布的直方图,因为将数据与自身进行联合图是没有意义的。这是快速可视化数据的好方法。我们还可以添加一个“色调”——这是我们指定一个用于分割数据的分类变量的地方。让我们添加“Segment”列作为我们的“色调”。 

  1. sns.pairplot(new_df,hue='Segment'

现在数据点根据分类数据着色——颜色图例显示在图的右侧边缘。我们还可以通过设置“调色板”参数来更改绘图使用的调色板。以下是使用“岩浆”配色方案的示例。所有可用的方案都可以在 Matplotlib 站点上找到。 

  1. sns.pairplot(new_df,hue='Segment',palette='magma'

我们将看到的下一个图是一个“rugplot”——这将帮助我们构建和解释我们之前创建的“kde”图是什么——无论是在我们的 distplot 中还是当我们传递“kind=kde”作为我们的参数时。 

  1. sns.rugplot(df['Profit']) 

如上所示,对于 rugplot,我们将要绘制的列作为参数传递 - rugplot 的作用是为分布中的每个点绘制一个破折号。所以 rugplot 和 distplot 之间的区别在于 distplot 涉及“bins”的概念,并将把每个 bin 中的所有数据点相加,并绘制这个数字,而 rugplot 只是在每个数据点绘制一个标记。

所以现在让我们将 rugplot 转换为 KDE 图。KDE 代表“核密度估计”。下图是解释如何将 rugplots 构建到 KDE 图中的。

如果我们愿意的话,我们可以从一组数据和 rugplot 中构建我们自己的 KDE 图,看看它是否与使用内置的“kdeplot”直接创建的 KDE 图相匹配. 

  1. #设置一组 30 个取自正态分布的数据点  
  2. x = np.random.normal(0, 1, size=30 
  3. #设置 KDE 点的带宽  
  4. bandwidth = 1.06* x.std() * x.size ** (-1/ 5.)  
  5. #设置 y 轴的限制  
  6. support = np.linspace(-4, 4, 200)  
  7. #遍历数据点并为每个点创建内核,然后绘制内核  
  8. kernels = []  
  9. for x_i in x:  
  10.     kernel = stats.norm(x_i, bandwidth).pdf(support)  
  11.     kernels.append(kernel)  
  12.     plt.plot(support, kernel, color="r" 
  13. sns.rugplot(x, color=".2"linewidth=3

 

  1. #使用复合梯形规则沿给定轴积分并创建 KDE 图  
  2. from scipy.integrate import trapz  
  3. density = np.sum(kernels, axis=0 
  4. density /= trapz(density, support)  
  5. plt.plot(support, density) 

现在让我们使用内置的“kdeplot”绘制 KDE 图。 

  1. sns.kdeplot(x, shade=True

我们可以看到两个图是相同的,我们已经正确地创建了我们的 KDE 图。本文已经涵盖了大部分分布图功能。 

 

责任编辑:庞桂玉 来源: Python中文社区
相关推荐

2023-08-01 16:01:59

可视化Seaborn

2014-05-05 10:01:51

数据可视化

2017-07-12 16:07:49

大数据数据可视化

2020-10-31 17:13:04

Python可视化Seaborn

2020-03-11 14:39:26

数据可视化地图可视化地理信息

2022-08-04 13:58:54

SeabornFacetGrid代码

2021-08-04 20:35:03

可视化SeabornMatplotlib

2012-04-10 15:31:06

HTML 5

2024-03-07 09:00:04

Rust数据可视化

2022-08-26 09:15:58

Python可视化plotly

2017-10-14 13:54:26

数据可视化数据信息可视化

2021-02-04 16:08:01

RoughViz可视化图表

2020-06-29 15:40:53

PlotlyPython数据可视化

2017-10-31 09:38:53

大数据数据可视化Python

2022-02-23 09:50:52

PythonEchartspyecharts

2020-05-26 11:34:46

可视化WordCloud

2020-09-02 13:56:03

Python可视化数据

2017-06-29 11:26:08

Python数据可视化

2024-01-03 18:45:35

Pandas绘图函数

2018-11-30 10:28:44

Python反爬网页
点赞
收藏

51CTO技术栈公众号