数据分析--05：Seaborn

一、Seaborn介绍

1、Seaborn介绍

• Seaborn 是一个基于 matplotlib 且数据结构与 pandas 统一的统计图制作库。他提前已经定义好了一套自己的风格。然后也封装了一系列的方便的绘图函数，之前通过matplotlib需要很多代码才能完成的绘图，使用seaborn可能就是一行代码的事情。
• 主要从以下几块介绍
  • 关系型绘图
  • 分类型绘图
  • 分布型绘图
  • 线性关系绘图

2、Seaborn安装

• 通过 pip ：pip install seaborn
• 通过anaconda： conda install seaborn

3、Seaborn学习文档

• Seaborn官网：http://seaborn.pydata.org/
• Seaborn中文学习文档：https://www.cntofu.com/book/172/docs/1.md

二 、Seaborn绘图

1、关系型绘图

• seaborn.relplot()
• 这个函数功能非常强大，可以用来表示多个变量之间的关联关系。默认情况下是绘制散点图，也可以绘制线性图，具体绘制什么图形是通过kind参数来决定的。实际上以下两个函数就是relplot的特例：
  • 散点类型：scatterplot -> relplot(kind=“scatter”)
  • 线性类型：lineplot -> relplot(kind=“line”)

1.基本使用

import seaborn as sns
tips = sns.load_dataset("tips",cache=True)
sns.relplot(x="total_bill",y="tip",data=tips)

2.hue参数

• hue参数是用来控制第三个变量的颜色显示的。比如我们在以上图的基础之上体现出星期几的参数，那么可以通过以下代码来实现：

sns.relplot(x="total_bill",y="tip",hue="day",data=tips)

3.添加col和row参数

• col和row，可以将图根据某个属性的值的个数分割成多列或者多行。比如在以上图的基础之上我们想要把Lunch(午餐)和Dinner(晚餐)分割成两个图来显示，那么可以通过以下代码来实现：

sns.relplot(x="total_bill",y="tip",hue="day",col="time",data=tips)

4.绘制折线图

• relplot通过设置kind="line"可以绘制折线图。并且他的功能比plt.plot更加强大。plot只能指定具体的x和y轴的数据（比如x轴是N个数，y轴也必须为N个数）。而relplot则可以在自动在两组数据中进行计算绘图。示例代码如下：

fmri = sns.load_dataset("fmri")
sns.relplot(x="timepoint",y="signal",kind="line",data=fmri)

2、分类绘图

• 分类图的绘制，采用的是sns.catplot来实现的。cat是category的简写。这个方法默认绘制的是分类散点图，如果想要绘制其他类型的图，同样也是通过kind参数来指定。
  • 分类散点图
  • 分类分布图
  • 分类统计图

1.分类散点图

• 分类散点图比较适合数据量不是很多的情况，他是用catplot来实现，但是也有以下两个特别的方法。
  • stripplot()：catplot(kind=“strip”) 默认的
  • swarmplot()：catplot(kind=“swarm”)

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

sns.catplot(x="day",y="total_bill",data=tips,hue="sex",kind="swarm")

2.分类分布图

分类分布图，主要是根据分类来看，然后在每个分类下数据的分布情况。也是通过catplot来实现，以下三个方法分别是不同的kind参数：

• 箱型图：boxplot() (with kind=“box”)
• 小提琴图：violinplot() (with kind=“violin”)

3.箱型图

countries = {
   
    'CHN':'中国',
    'JPN':"日本",
    'KOR':'韩国',
    'USA':"美国",
    'CAN':"加拿大",
    'BRA':"巴西",
    &