Python数据可视化——分布数据可视化

 

这篇文章是Python可视化seaborn系列的第二篇文章，本文将详解seaborn如何探索数据的分布。

 

单变量

直方图 displot

seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None, hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, color=None, vertical=False, norm_hist=False, axlabel=None, label=None, ax=None)

bins → 箱数

hist、ked、rug → bool,是否显示箱/密度曲线/数据分布

norm_hist → 直方图是否按照密度来显示，若是为False,显示计数

{hist，kde，rug，fit} _kws：字典，对应部分的各类参数。

vertical → 是否水平显示

fit → 可结合scipy库在图像上作拟合

label → 图例

axlabel → x轴标注

 

 

 

 

核密度估计图 kdeplot

核密度估计的步骤：

每个观测附近用一个正态分布曲线近似

叠加全部观测的正态分布曲线

 

归一化

seaborn.kdeplot（data，data2 = None，shade = False，vertical = False，kernel ='gau'，bw ='scott'，gridsize = 100，cut = 3，clip = None，legend = True，cumulative = False，shade_lowest = True，cbar = False，cbar_ax =无，cbar_kws =无，ax =无， kwargs ）

shade: 若是为True，则用颜色填充KDE曲线下方的区域（或者在数据为双变量时用颜色填充的轮廓）

kernel: {‘gau’|‘cos’|‘biw’|‘epa’|‘tri’|‘triw’} 用于拟合的核，双变量值能用高斯核（gau）

bw: {'scott'|'silverman'|标量|一对标量} 肯定核的大小，近似理解为拟合程度，bw越大，曲线越平缓。

gridsize：int, 网格中的离散点数

cumulative ：是否绘制累积分布

cbar：参数若为True，则会添加一个颜色条(颜色条在双变量kde图像中才有)

 

 

 

 

核密度分布图不但能绘制单个变量的，也能绘制双变量！！！

 

 

双变量

jointplot

seaborn.jointplot（x，y，data = None，kind ='scatter'，color = None，size = 6，ratio = 5，space = 0.2，dropna = True，xlim = None，ylim = None，joint_kws = None，marginal_kws =None，annot_kws =None， kwargs ）

该函数是JoinGrid类的一个轻量级界面，若是想更加灵活的绘制，可使用JoinGrid函数

kind: 设置类型：“scatter”、“reg”、“resid”、“kde”、“hex”

size: int, 图像大小（图像自动调整为正方形）

radio: int, 主图与边缘图的高度比

space: # 设置主图和边缘图的间距

{x，y} lim ：在绘图以前设置轴限制

{joint，marginal，annot} _kws：dicts 绘图组件的其余关键字参数

 

 

seaborn会直接给出变量的皮尔逊相关系数和P值

pearson相关系数计算：

 

 

p：样本间的差别由抽样偏差所致的几率小于p.

 

 

 

 

 

JointGrid

前面讲过jointplot实际上是JoinGrid的一个封装，要想有更灵活的设置，可使用JoinGrid类

__init__（x，y，data = None，size = 6，ratio = 5，space = 0.2，dropna = True，xlim = None，ylim = None）

方法：

plot（joint_func，marginal_func ,annot_func)→ 绘制完整的图形

plot_joint（func，** kwargs）→ 绘制双变量图形

plot_marginals（func，** kwargs）→ 绘制边缘单变量图形

savefig（ args，* kwargs）→ 保存

set_axis_labels（[xlabel，ylabel]）→ 在双变量轴上设置轴标签。

 

 

 

 

 

 

探索两两变量之间的关系

一般咱们的数据并非只有一个或者两个变量，那么对于多个变量，咱们常须要探索两两变量之间的分布及关系这是咱们就须要使用pairplot函数 或者是PairGrid类

pairplot

seaborn.pairplot（data，hue = None，hue_order = None，palette = None，vars = None，x_vars = None，y_vars = None，kind ='scatter'，diag_kind ='auto'，markers = None，s = 2.5，aspect = 1，dropna = True，plot_kws = None，diag_kws = None，grid_kws = None）

hue: string(变量名) ： 颜色将按照指定的变量分类

hue_order ： list 设置调色板色调变量级别

palette ： 调色板

vars : list 变量名称列表，不然使用全部数值型变量的列

markers: 点样式

 

sepal_length sepal_width petal_length petal_width species

5.1 3.5 1.4 0.2 setosa

4.9 3.0 1.4 0.2 setosa

4.7 3.2 1.3 0.2 setosa

4.6 3.1 1.5 0.2 setosa

5.0 3.6 1.4 0.2 setosa

 

 

 

PairGrid

至关于jointplot 和 JointGrid的关系，PairGrid 对矩阵散点图有着更为灵活的控制

__init__（data，hue = None，hue_order = None，palette = None，hue_kws = None，vars = None，x_vars = None，y_vars = None，diag_sharey = True，size = 2.5，aspect = 1，despine = True，dropna = True）

方法：

add_legend（[legend_data，title，label_order]）绘制一个图例，可能将其放在轴外并调整图形大小。

map_diag（func，** kwargs）：在每一个对角线子图上绘制具备单变量函数的图。

map_lower（func，** kwargs）：在下对角线子图上绘制具备双变量函数的图。

map_upper（func，** kwargs）：在上对角线子图上绘制具备双变量函数的图

map_offdiag（func，** kwargs）：在非对角线子图上绘制具备双变量函数的图。

set（** kwargs）：在每一个子图集Axes上设置属性。

 

 

看再屡次，都不如本身亲自动手写一次，只有在实际应用中不断练习，思考，调整。才能理解掌握数据可视化的技能。