python数据可视化seaborn（二）—— 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。html
import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns % matplotlib inline sns.set(context='notebook',font='simhei',style='whitegrid') # 设置风格尺度和显示中文 import warnings warnings.filterwarnings('ignore') # 不发出警告
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)python
- 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
# 直方图 from scipy.stats import norm #使用直方图和最大似然高斯分布拟合绘制分布 rs = np.random.RandomState(50) # 设置随机数种子 s = pd.Series(rs.randn(100)*100) plt.figure(figsize=(8,4)) sns.distplot(s, bins=10, hist=True, kde=False, norm_hist=False, rug=True, vertical=False,label='distplot', axlabel='x轴',hist_kws={'color':'y','edgecolor':'k'}, fit=norm) # 用标准正态分布拟合 plt.legend() plt.grid(linestyle='--') plt.show()
plt.figure(figsize=(8,4)) sns.distplot(s,rug = True, rug_kws = {'color':'b'} , # 设置数据频率分布颜色 kde_kws={"color": "k", "lw": 2, "label": "KDE",'linestyle':'--'}, # 设置密度曲线颜色，线宽，标注、线形 hist_kws={"histtype": "step", "linewidth": 2,"alpha": 1, "color": "g"}) # 设置箱子的风格、线宽、透明度、颜色 # 风格包括：'bar', 'barstacked', 'step', 'stepfilled' plt.show()
核密度估计图 kdeplot
核密度估计的步骤：web
- 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 ）*数组
- 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)
# 单个样本数据密度分布图 plt.figure(figsize=(8,4)) sns.kdeplot(s,label='auto') sns.kdeplot(s,bw=10, label="bw: 10",linewidth = 1.5) sns.kdeplot(s,bw=100, label="bw: 100",linestyle = '--',linewidth = 1.5) # bw → 也能够相似看作直方图的箱数，数越大，箱子越多，刻画的越精确。 plt.show()
sns.kdeplot(s, label="累积图",color='k',cumulative=True, linestyle = '--',linewidth = 2) plt.show()
** 核密度各级图不但能绘制单个变量的，也能绘制双变量！！！**app
# 二、密度图 - kdeplot() # 两个样本数据密度分布图 rs = np.random.RandomState(2) # 设定随机数种子 df = pd.DataFrame(rs.randn(100,2), columns = ['A','B']) fig = plt.figure(figsize=(10,6)) sns.kdeplot(df['A'],df['B'], cbar = True, # 是否显示颜色图例 shade = True, # 是否填充 cmap = 'Reds_r', # 设置调色盘 shade_lowest=True, # 最外围颜色是否显示 n_levels = 10, # 曲线个数（越大，越密集） bw = .3 ) # 两个维度数据生成曲线密度图，以颜色做为密度衰减显示 sns.rugplot(df['A'], color="g", axis='x',alpha = 0.5) sns.rugplot(df['B'], color="k", axis='y',alpha = 0.5) # 注意设置x，y轴
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 ）*dom
该函数是JoinGrid类的一个轻量级界面，若是想更加灵活的绘制，能够使用JoinGrid函数svg
- 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
# 散点图 + 边缘直方图 tips = sns.load_dataset("tips") sns.jointplot(x='total_bill', y='tip', # 设置xy轴，显示columns名称 data=tips, # 设置数据 color = 'k', # 设置颜色 s = 50, edgecolor="w",linewidth=1, # 设置散点大小、边缘线颜色及宽度(只针对scatter） kind = 'scatter', space = 0.2, # 设置散点图和布局图的间距 size = 7, ratio = 5, # 散点图与布局图高度比，整型 marginal_kws=dict(bins=20, rug=True) # 设置柱状图箱数，是否设置rug ) plt.show()
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：函数
- p：样本间的差别由抽样偏差所致的几率小于p.p-value
# 回归图 + 边缘直方图 with sns.axes_style("ticks"): sns.jointplot(x='total_bill', y='tip',data = tips, kind="hex", color="r", # 主图为六角箱图 size=6,space=0.1, joint_kws=dict(gridsize=20,edgecolor='w'), # 主图参数设置 marginal_kws=dict(bins=20,color='g', hist_kws={'edgecolor':'k'}), # 边缘图设置 annot_kws=dict(stat='r',fontsize=15)) # 修改统计注释
# 密度图 rs = np.random.RandomState(15) df = pd.DataFrame(rs.randn(300,2),columns = ['A','B']) # 建立数据 with sns.axes_style("white"):# 设置当前图的样式 g = sns.jointplot(x=df['A'], y=df['B'],data = df, kind="kde", color="k",shade_lowest=False) # 建立密度图 g.plot_joint(plt.scatter,c="r", s=30, linewidth=1, marker="+") # 添加散点图
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，能够使用JoinGrid类布局
- __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。
# 可拆分绘制的散点图 # plot_joint() + ax_marg_x.hist() + ax_marg_y.hist() sns.set_style("white") # 设置风格 g = sns.JointGrid(x="total_bill", y="tip", data=tips, size=7) # 建立一个绘图表格区域，设置好x、y对应数据 g.plot_joint(sns.kdeplot, color ='m', edgecolor = 'white') # 设置框内图表，scatter g.ax_marg_x.hist(tips["total_bill"], color="b", alpha=.6, edgecolor='k',bins=np.arange(0, 60, 3)) # 设置x轴直方图，注意bins是数组 g.ax_marg_y.hist(tips["tip"], color="r", alpha=.6, orientation="horizontal",edgecolor='k', bins=np.arange(0, 12, 1)) # 设置y轴直方图，注意须要orientation参数 from scipy import stats g.annotate(stats.spearmanr , fontsize=16, loc='best') # 设置标注，能够为pearsonr，spearmanr，或者是自定义的函数 plt.grid(linestyle = '--')
# 可拆分绘制的散点图 # plot_joint() + plot_marginals() g = sns.JointGrid(x="total_bill", y="tip", data=tips,size=6.5,ratio=6) # 建立一个绘图表格区域，设置好x、y对应数据 g = g.plot_joint(plt.scatter,color="g", s=50, edgecolor="white") # 绘制散点图 plt.grid(linestyle = '--') # 设置网格线 g.plot_marginals(sns.distplot, kde=True, hist_kws={'color':'g','edgecolor':'k'}) # 设置边缘图 rsquare = lambda a, b: stats.pearsonr(a, b)[0] ** 2 # 自定义统计函数 g = g.annotate(rsquare, template="{stat}: {val:.2f}", stat="$R^2$", loc="upper left", fontsize=16) # 设置注释
# 一、综合散点图 - JointGrid() # 可拆分绘制的散点图 # plot_joint() + plot_marginals() # kde - 密度图 g = sns.JointGrid(x="total_bill", y="tip", data=tips,space=0) # 建立一个绘图表格区域，设置好x、y对应数据 g = g.plot_joint(sns.regplot) # 绘制密度图 plt.grid(linestyle = '--') g.plot_marginals(sns.distplot, color="r",bins=20,hist_kws={'edgecolor':'k'}) # 绘制x，y轴密度图 g.annotate(stats.pearsonr)
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ui
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
# 二、矩阵散点图 - pairplot() # sns.set_style("white") # 设置风格 iris = sns.load_dataset("iris") print(iris.head()) # 读取鸢尾花数据 sns.pairplot(iris, kind = 'scatter', # 散点图/回归分布图 {‘scatter’, ‘reg’} diag_kind="hist", # 设置对角线图直方图/密度图 {‘hist’, ‘kde’} hue="species", # 按照某一字段进行分类 palette="husl", # 设置调色板 markers=["o", "s", "D"], # 设置不一样系列的点样式（这里根据参考分类个数） size = 2, # 图表大小 plot_kws={'s':20}, # 设置点大小 diag_kws={'edgecolor':'w'}) # 设置对角线直方图样式 plt.show()
sepal_length sepal_width petal_length petal_width species 0 5.1 3.5 1.4 0.2 setosa 1 4.9 3.0 1.4 0.2 setosa 2 4.7 3.2 1.3 0.2 setosa 3 4.6 3.1 1.5 0.2 setosa 4 5.0 3.6 1.4 0.2 setosa
# 二、矩阵散点图 - pairplot() # 其余参数设置 sns.pairplot(iris, kind="reg",hue='species', # 设置回归图形 diag_kind='kde',palette='hls', # 设置对角线图类型及调色盘 diag_kws=dict(shade=True),size=2)
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。
# 二、矩阵散点图 - PairGrid() # 可拆分绘制的散点图 # map_diag() + map_offdiag() g = sns.PairGrid(iris,hue="species",palette = 'hls',size=2, vars = ['sepal_length','sepal_width','petal_length','petal_width'], # 可筛选 ) # 建立一个绘图表格区域，设置好x、y对应数据，按照species分类 g.map_diag(plt.hist, histtype = 'barstacked', # 可选：'bar', 'barstacked', 'step', 'stepfilled' linewidth = 1, edgecolor = 'w') # 对角线图表，plt.hist/sns.kdeplot g.map_offdiag(plt.scatter, edgecolor="w", s=40,linewidth = 1 # 设置点颜色、大小、描边宽度 ) # 其余图表，plt.scatter/plt.bar... g.add_legend() # 添加图例
# 二、矩阵散点图 - PairGrid() # 可拆分绘制的散点图 # map_diag() + map_lower() + map_upper() g = sns.PairGrid(iris[iris['species']=='versicolor']) g.map_diag(sns.kdeplot, lw=3) # 设置对角线图表 g.map_upper(sns.regplot, color = 'b') # 设置对角线上端图表 g.map_lower(sns.kdeplot, cmap="Blues_d") # 设置对角线下端图表
看在屡次，都不如本身亲自动手写一次，只有在实际应用中不断练习，不断思考。才能真正发挥数据可视化的做用。