5-5 可视化库Seaborn-多变量分析绘图

 

Parameters：¶

参数	解释	变量
x,y,hue	数据集变量	变量名
date	数据集	数据集名
row,col	更多分类变量进行平铺显示	变量名
col_wrap	每行的最高平铺数	整数
estimator	在每一个分类中进行矢量到标量的映射	矢量
ci	置信区间	浮点数或None
n_boot	计算置信区间时使用的引导迭代次数 整数
units	采样单元的标识符，用于执行多级引导和重复测量设计	数据变量或向量数据
order, hue_order	对应排序列表	字符串列表
row_order, col_order	对应排序列表	字符串列表
kind	point 默认, bar 柱形图, count 频次, box 箱体, violin 提琴, strip 散点，swarm 分散点	（具体图形参考文章前部的分类介绍）
size	每一个面的高度（英寸）	标量
aspect	纵横比	标量
orient	方向	"v"/"h"
color	颜色	matplotlib颜色
palette	调色板	seaborn颜色色板或字典
legend hue的信息面板	True/False
legend_out	是否扩展图形，并将信息框绘制在中心右边	True/False
share{x,y}	共享轴线	True/False
facet_kws	FacetGrid的其余参数	字典

In [1]:

%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats,integrate
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(style="whitegrid",color_codes=True)

#生成分类数据随机种子
#map能够把一个 list 转换为另外一个 list，只须要传入转换函数。
#ord函数主要用来返回对应字符的ascii码,接受一个参数，返回值是int，整数
np.random.seed(sum(map(ord,"category")))
#自带的数据集
titanic=sns.load_dataset("titanic")
tips=sns.load_dataset("tips")
iris=sns.load_dataset("iris")

In [2]:

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

Out[2]:

<matplotlib.axes._subplots.AxesSubplot at 0xa99e0b8>

 

 

1.重叠是很常见的现象，可是重叠影响观察数据的量，有以下方法解决：

1-1.加入抖动量jitter

In [3]:

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

Out[3]:

<matplotlib.axes._subplots.AxesSubplot at 0xad9a860>

 

 

1-2. 画分簇散点图：它使用避免重叠点的算法将分类轴上的每一个散点图点定位

In [4]:

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

Out[4]:

<matplotlib.axes._subplots.AxesSubplot at 0xadde278>

 

 

• 固然也能够传入hue参数添加多个嵌套的分类变量。高于分类轴上的颜色和位置时冗余的，如今每一个都提供有两个变量之一的信息

In [5]:

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

Out[5]:

<matplotlib.axes._subplots.AxesSubplot at 0xae53710>

 

In [6]:

#您能够使用orient关键字强制定向，但一般能够从传递给x和/或y的变量的数据类型推断绘图方向
sns.swarmplot(x="total_bill", y="day", hue="time", data=tips);

 

 

合图¶

2.合图

• IQR 即统计学概念分四分位距，第一/四分位与第三/四分位之间的距离
• N=1.5IQR若是一个值>Q3+N或<Q1-N ,则为离群点

In [7]:

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

 

In [8]:

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

Out[8]:

<matplotlib.axes._subplots.AxesSubplot at 0xafdd240>

 

 

2-1 小提琴图分割特征

• split=True,在一个小提琴上分割特征

In [9]:

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

Out[9]:

<matplotlib.axes._subplots.AxesSubplot at 0xb08fa90>

 

 

2-2两种图相互叠加

In [10]:

sns.violinplot(x="day",y="total_bill",data=tips,inner=None)
sns.swarmplot(x="day",y="total_bill",data=tips,color="w",alpha=0.5)

Out[10]:

<matplotlib.axes._subplots.AxesSubplot at 0xb0fab70>

 

 

1. 显示值的集中趋势能够用柱状图

In [11]:

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

Out[11]:

<matplotlib.axes._subplots.AxesSubplot at 0xb17ea90>

 

 

1. 点图能够更好的描述变化差别

In [12]:

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

Out[12]:

<matplotlib.axes._subplots.AxesSubplot at 0xb1db5c0>

 

In [13]:

sns.pointplot(x="class",y="survived",hue="sex",data=titanic,
             palette={"male":"g","female":"m"},#设置颜色
             markers=["^","o"], linestyles=["-","--"])     #设置标记，线性  

Out[13]:

<matplotlib.axes._subplots.AxesSubplot at 0xb25aa58>

 

 

5.宽形数据

In [14]:

sns.boxplot(data=iris,orient="h")#,orient="h"指定画图方向是横的

Out[14]:

<matplotlib.axes._subplots.AxesSubplot at 0xaeff4a8>

 

 

6.多层面板分类图

In [15]:

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

Out[15]:

<seaborn.axisgrid.FacetGrid at 0xb0827f0>

 

 

• kind="bar":指定画图种类

In [16]:

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

Out[16]:

<seaborn.axisgrid.FacetGrid at 0xb1b3780>

 

 

• col指定横轴分类

In [17]:

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

Out[17]:

<seaborn.axisgrid.FacetGrid at 0xaf96e80>

 

 

• 任何一种图形均可以画出来。基于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方面的size和aspect参数:size大小和aspect长宽比

In [18]:

sns.factorplot(x="day",y="total_bill",hue="smoker",data=tips,kind="box",col="day",size=4,aspect=0.5)

Out[18]:

<seaborn.axisgrid.FacetGrid at 0xb3386d8>