seaborn教程4——分类数据可视化

https://segmentfault.com/a/1190000015310299

Seaborn学习大纲

seaborn的学习内容主要包含如下几个部分：

1. 风格管理

   • 绘图风格设置
   • 颜色风格设置

2. 绘图方法

   • 数据集的分布可视化
   • 分类数据可视化
   • 线性关系可视化

3. 结构网格

   • 数据识别网格绘图

本次将主要介绍 分类数据可视化的使用。

分类数据可视化

数据集中的数据类型有不少种，除了连续的特征变量以外，最多见的就是类目型的数据类型了，常见的好比人的性别，学历，爱好等。这些数据类型都不能用连续的变量来表示，而是用分类的数据来表示。

seaborn针对分类型的数据有专门的可视化函数，这些函数可大体分为三种：

• 分类数据散点图： swarmplot(), stripplot()
• 分类数据的分布图： boxplot(), violinplot()
• 分类数据的统计估算图 ： barplot(), pointplot()

这三类函数可有特色，能够从各个方面展现分类数据的可视化效果，下面咱们一一介绍。
首先的首先仍是先导入须要的模块和数据集。

 1 %matplotlib inline
 2 import numpy as np
 3 import pandas as pd
 4 import matplotlib as mpl
 5 import matplotlib.pyplot as plt
 6 import seaborn as sns
 7 sns.set(style="whitegrid", color_codes=True)
 8 np.random.seed(sum(map(ord, "categorical")))
 9 titanic = sns.load_dataset("titanic")
10 tips = sns.load_dataset("tips")
11 iris = sns.load_dataset("iris")

一、分类数据散点图

在分类数据的基础上展现定量数据的最简单函数就是 stripplot()

1 sns.stripplot(x="day", y="total_bill", data=tips);

 这看上去相似散点图，但不一样的是，横坐标是分类的数据，只不过一些数据点上会互相重叠，不便于观察。因此一个简单的解决办法是加入jitter参数，调整横坐标位置。

sns.swarmplot(x="day", y="total_bill", data=tips,);jitter=True

 

 

 

 固然，还有一个不一样的方法就是使用 swarmplot() 函数，这个函数的好处就是全部的点都不会重叠，这样能够很清晰的观察到数据的分布。

1 sns.swarmplot(x="day", y="total_bill", data=tips);

 

 

 在这基础上，也能够经过 hue 参数加入另外一个嵌套的分类变量，并且嵌套的分类变量能够以不一样的颜色区别，十分方便。

1 sns.swarmplot(x="day", y="total_bill", hue="sex", data=tips);

 

 

 一般状况下，seaborn 还会尝试推断出分类变量的顺序。若是你的数据是 pandas 的分类数据类型，那么就是使用默认的分类数据顺序，若是是其余的数据类型，字符串类型的类别将按照它们在DataFrame中显示的顺序进行绘制，可是数组类别将被排序。

1 sns.swarmplot(x="size", y="total_bill", data=tips);

 

 

 有时候将分类变量放在垂直轴上是很是有用的（当类别名称相对较长或有不少类别时，这一点特别有用）。 可使用 orient 关键字强制定向，但一般能够互换x和y的变量的数据类型来完成：

1 sns.swarmplot(x="total_bill", y="day", hue="time", data=tips);

 

 

 

 虽然分类的散点图颇有用，但有时候想要快速查看各分类下的数据分布就不是很直观了。为此，第二种函数解决了这个问题。

 二、箱型图

经过箱型图能够很直观的观察到数据的四分位分布（1/4分位，中位数，3/4分位，以及四分位距），这种可视化对于在机器学习的预处理阶段（尤为是发现数据异常离散值）十分有效。

1 sns.boxplot(x="day", y="total_bill", hue="time", data=tips);

 

 对于箱型图来讲，使用 hue 参数的假设是这个变量嵌套在x或者y轴内。因此默认的状况下，hue 变量的不一样类型值会保持偏置状态（两类或几类数据共同在x轴数据类型的一个类中），就像上面那个图所示。可是若是 hue 所使用的变量不是嵌套的，那么你可使用 dodge 参数来禁止这个默认的偏置状态。

1 tips["weekend"] = tips["day"].isin(["Sat", "Sun"])
2 sns.boxplot(x="day", y="total_bill", hue="weekend", data=tips, dodge=False);

 

 三、提琴图

另外一种不一样的方法是 violinplot() 函数，它结合了箱体图和分布教程中描述的核心密度估计过程：

1 sns.violinplot(x="total_bill", y="day", hue="time", data=tips);

 

 这种方法使用核密度估计来更好地描述值的分布。此外，小提琴内还显示了箱体四分位数和四分位距。因为小提琴使用KDE，还有一些其余能够调整的参数，相对于简单的boxplot增长了一些复杂性：

1 sns.violinplot(x="total_bill", y="day", hue="time", data=tips,
2                bw=.1, scale="count", scale_hue=False);

 

 当 hue 的嵌套类型只有两类的时候，也可使用split 参数将小提琴分割：

1 sns.violinplot(x="day", y="total_bill", hue="sex", data=tips, split=True);

 

 在提琴图内，也可使用 inner 参数以横线的形式来展现每一个观察点的分布，来代替箱型的总体分布：

1 sns.violinplot(x="day", y="total_bill", hue="sex", data=tips,
2                split=True, inner="stick", palette="Set3");

 还有一点比较好的是，能够将 swarmplot()，violinplot()，或 boxplot() 混合使用，这样能够结合多种绘图的特色展现更完美的效果。

1 sns.violinplot(x="day", y="total_bill", data=tips, inner=None)
2 sns.swarmplot(x="day", y="total_bill", data=tips, color="w", alpha=.5);

 

 有时候，咱们不想展现分类数据下的分布，而是想展现每一类的集中趋势。seaborn 有两个主要的方法来展现这个，而且这些函数api与上面函数的用法是同样的。

三、 条形图

咱们最熟悉的方式就是使用一个条形图。 在Seaborn中barplot()函数会在整个数据集上显示估计，默认状况下使用均值进行估计。 当在每一个类别中有多个类别时（使用了 hue），它可使用引导来计算估计的置信区间，并使用偏差条来表示置信区间：

1 sns.barplot(x="sex", y="survived", hue="class", data=titanic);

 

 条形图的特殊状况是当您想要显示每一个类别的数量，而不是计算统计量。这有点相似于一个分类而不是定量变量的直方图。在Seaborn中，使用countplot()函数很轻易的完成：

1 sns.countplot(x="deck", data=titanic, palette="Greens_d");

 若是将要计数的变量移动到y轴上，那么条形就会横过来显示：

1 sns.countplot(y="deck", hue="class", data=titanic, palette="Greens_d");

 

 

四、点图

pointplot()函数提供了估计可视化的另外一种风格。该函数会用高度估计值对数据进行描述，而不是显示一个完整的条形，它只绘制点估计和置信区间。另外，点图链接相同hue类别的点，好比male中的蓝色会链接female中的蓝色。这使得很容易看出主要关系如何随着第二个变量的变化而变化，由于你的眼睛能够很好地辨别斜率的差别：

1 sns.pointplot(x="sex", y="survived", hue="class", data=titanic);

 

 

 

 为了使可以更好的显示，可使用不一样的标记和线条样式来展现不一样hue类别的层次:

1 sns.pointplot(x="class", y="survived", hue="sex", data=titanic,
2               palette={"male": "g", "female": "m"},
3               markers=["^", "o"], linestyles=["-", "--"]);

 

 

 

 五、绘制“宽格式”数据

虽然使用“长格式”或“整洁”数据是优选的，可是这些函数也能够应用于各类格式的“宽格式”数据，包括pandas DataFrame或二维numpy数组阵列。这些对象应该直接传递给数据参数：

1 sns.boxplot(data=iris, orient="h");

 

 

 此外，这些函数也接受Pandas或numpy对象的向量，而不只仅是DataFrame中的变量：

1 sns.violinplot(x=iris.species, y=iris.sepal_length);

 

 为了控制由上述函数制做的图形的大小和形状，你必须使用matplotlib命令本身设置图形。 固然，这也意味着这些图块能够和其余种类的图块一块儿在一个多面板的绘制中共存：

1 f, ax = plt.subplots(figsize=(7, 3))
2 sns.countplot(y="deck", data=titanic, color="c");

 

 

六、绘制多层面板分类图

正如咱们上面提到的，有两种方法能够在Seaborn中绘制分类图。与回归图中的二元性类似，您可使用上面介绍的函数，也可使用更高级别的函数factorplot()，将这些函数与FacetGrid()相结合，经过这个图形的更大的结构来增长展现其余类别的能力。 默认状况下，factorplot()产生一个pairplot()：

1 sns.factorplot(x="day", y="total_bill", hue="smoker", data=tips);

 

可是，kind参数可让你选择以上讨论的任何种类的图：

sns.factorplot(x="day", y="total_bill", hue="smoker", data=tips, kind="bar");

 

 使用factorplot()的主要优势是能够很容易使用"facet"绘制多面图，展现更多其余分类变量：

1 sns.factorplot(x="day", y="total_bill", hue="smoker",
2                col="time", data=tips, kind="swarm");

 

 任何一种图形均可以画出来。因为FacetGrid的工做原理，要更改图形的大小和形状，须要指定适用于每一个图的size和aspect参数：

sns.factorplot(x="time", y="total_bill", hue="smoker",
               col="day", data=tips, kind="box", size=4, aspect=.5);

 

 

你也能够直接使用boxplot()和FacetGrid来制做这个图。可是，必须特别注意确保每一个图的分类变量的顺序须要被强制，或者是使用具备Categorical数据类型的数据或经过命令和hue_order。

1 sns.factorplot(x="time", y="total_bill", hue="smoker",hue_order=["No","Yes"]
2                ,col="day", data=tips, kind="box", size=4, aspect=.5,
3               palette="Set3");

 

 因为广义API函数的存在，分类数据也能够很容易应用于其余更复杂的上下文。 例如，它们能够轻松地与PairGrid结合，以显示多个不一样变量之间的分类关系：

g = sns.PairGrid(tips,
                 x_vars=["smoker", "time", "sex"],
                 y_vars=["total_bill", "tip"],
                 aspect=.75, size=3.5)
g.map(sns.violinplot, palette="pastel");