简介
Seaborn是一个统计图形绘制库
它默认具有非常漂亮的样式
它对pandas dataframe对象支持的非常好
安装
conda install seaborn
或
pip install seaborn
在线文档：https://seaborn.pydata.org/
seaborn可以绘制出多种图形例如：
Distribution Plots
本文介绍如何使用Seaborn绘制数据分布图，可以使用的函数包括：
- distplot
- jointplot
- pairplot
- rugplot
- kdeplot
首先打开Jupyter Notebook
导入数据
import seaborn as sns
%matplotlib inline
数据
Seaborn本身包含一些数据集，例如tips
tips = sns.load_dataset('tips')
tips.head()
distplot
distplot显示单变量观测值的分布
sns.distplot(tips['total_bill'])
去掉kde只显示直方图
jointplot
可以在二维数据上将两个distplot组合显示，可选项包括：
- “scatter”
- “reg”
- “resid”
- “kde”
- “hex”
sns.jointplot(x='total_bill',y='tip',data=tips,kind='scatter')
sns.jointplot(x='total_bill',y='tip',data=tips,kind='hex')
sns.jointplot(x='total_bill',y='tip',data=tips,kind='reg')
pairplot
pairplot在整个数据集中绘制成对关系（对于数值列），并支持颜色色调参数（用于分类列）。
sns.pairplot(tips)
sns.pairplot(tips,hue='sex',palette='coolwarm')
rugplot
rugplot实际上是一个非常简单的概念，它只是为单变量分布上的每个点画一个破折号，是建立在kde基础上的。
sns.rugplot(tips['total_bill'])
kdeplot
kdeplot是Kernel Density Estimation plots的缩写，这些KDE图替换以高斯分布为中心的每一个观察值。例如
# Don't worry about understanding this code!
# It's just for the diagram below
import numpy as np
import matplotlib.pyplot as plt
from scipy import stats
#Create dataset
dataset = np.random.randn(25)
# Create another rugplot
sns.rugplot(dataset);
# Set up the x-axis for the plot
x_min = dataset.min() - 2
x_max = dataset.max() + 2
# 100 equally spaced points from x_min to x_max
x_axis = np.linspace(x_min,x_max,100)
# Set up the bandwidth, for info on this:
url = 'http://en.wikipedia.org/wiki/Kernel_density_estimation#Practical_estimation_of_the_bandwidth'
bandwidth = ((4*dataset.std()**5)/(3*len(dataset)))**.2
# Create an empty kernel list
kernel_list = []
# Plot each basis function
for data_point in dataset:
# Create a kernel for each point and append to list
kernel = stats.norm(data_point,bandwidth).pdf(x_axis)
kernel_list.append(kernel)
#Scale for plotting
kernel = kernel / kernel.max()
kernel = kernel * .4
plt.plot(x_axis,kernel,color = 'grey',alpha=0.5)
plt.ylim(0,1)
# To get the kde plot we can sum these basis functions.
# Plot the sum of the basis function
sum_of_kde = np.sum(kernel_list,axis=0)
# Plot figure
fig = plt.plot(x_axis,sum_of_kde,color='indianred')
# Add the initial rugplot
sns.rugplot(dataset,c = 'indianred')
# Get rid of y-tick marks
plt.yticks([])
# Set title
plt.suptitle("Sum of the Basis Functions")
sns.kdeplot(tips['total_bill'])
sns.rugplot(tips['total_bill'])
sns.kdeplot(tips['tip'])
sns.rugplot(tips['tip'])
后续文章内容：
- Distribution Plots
- Categorical Data Plots
- Matrix Plots
- Grids
- Regression Plots
- Style and Color
- Seaborn练习题及答案
閱讀更多 互聯網技能圖譜 的文章
