使用seaborn绘制数据图

2021-10-24

Word count: 1.4k | Reading time≈ 5 min

seaborn（以下简称 sns）是以 matplotlib 为基础的绘图包，有非常丰富的绘图类型，而且形式精美，确实简化了画图的流程，非常适合统计领域的绘图。

目前尝试过的绘图方法有：scatter 散点图、regplot 拟合图、boxplot 箱线图、jointplot 联合分布图、distplot 分布图、heatmap热力图等。它们的画图风格普遍比直接用 matplotlib.pyplot 画图要好一点点，使用也非常方便，只是需要对其中的参数做一点点认识。

数据分布图

散点图 scatter

sns.scatterplot(x, y, data, ax, size)

其加载数据的方式比较独特，例如 data 项是一个 dataframe，参数 x 和 y 分别是数据的名称，那么 dataframe 中列名为 x 和 y 的列就分别是点的坐标数据了。

【其实也非常巧妙，只不过要是名称写的不对，那数据就加载不出来了】

ax 是画图的位置。方便了面向对象的画图，如果不指定，会单独画一张图的。

size 指定点的大小，似乎可以简化为 s。这里的点是可以很细小的。

分布图 distplot

sns.distplot(x, hist, kde, rug) 可以画分布图

参数 hist 表示是否画出直方图
参数 kde 表示是否画出高斯核密度估计图（大致感觉就是比直方图更平滑的分布图，对比较离散的数据更友好）
参数 rug 表示是否画出 rugplot，也叫地毯图，用短的竖线表示这里有数据

举例：

1	ax = sns.distplot(x, rug=True, hist=False)

distplot_exp

单独使用

可以单独使用 kdeplot 对数据作核密度统计
可以单独使用 rugplot 添加数据的地毯图 rugplot

箱线图 boxplot

箱线图是一种看上去奇奇怪怪，但是确实很反映数据分布的一种图，前提是数据密度足够：一个 x 最好对应多个 y。

1	ax = sns.boxplot(x, y, data)

../_images/seaborn-boxplot-2.png

另外，了解箱线图的意义可能也很重要：

箱线图是基于五个数字汇总（“最小值”、第一四分位数 (Q1)、中位数、第三四分位数 (Q3) 和“最大值”）显示数据分布的标准化方式。

它可以表现出异常值及其值，还可以表明数据是否对称、数据分组的紧密程度以及数据是否以及如何倾斜。

参考：了解箱线图

联合分布 jointplot

有时，可能需要同时对 x 和 y 的分布规律做出统计，形成带有双侧分布图的散点图，那么就可以使用联合分布 jointplot 绘图，例如：

1	sns.jointplot(x, y, kind='reg', data);

jointplot_exp

参考：

Seaborn中文教程（三）：数据集的分布

sns scatterplot

sns distplot

数据拟合图

regplot

sns.regplot(x, y, data, ax)

可以用来对数据进行拟合，上面的参数是必备的，给出数据的绘图位置。

如果想要对数据进行各种拟合，下面的设置才是关键：

order：定义拟合的最大阶次；

ci：回归估计的置信区间大小，数字在 0-100 之间（百分比）

logistic：使用逻辑回归拟合；

lowess：使用 statsmodels 估计非参数 Lowess模型，一种局部加权线性回归方法（没有置信区间）

rubust：使用statsmodels 估计稳健回归；

logx：进行 y ~ log(x) 形式的线性回归

例如：

sns.regplot(x=cols_name[0],
            y=cols_name[1],
            data=dataframe,
            ax=ax,
            # order=order, ci=90,
            lowess=True,
            color='r',
            scatter_kws={'s':5, 'color':'gray'},
            line_kws={'lw':1}
           )

这里就实现了局部加权线性拟合的方法，没有设置阶数和置信区间；

同时设置了线条类型、点的颜色等参数。

lmplot

lmplot 和 regplot 的区别在于传入的数据类型：

regplot 可以接受numpy数组、pandas序列等类型的 x、y 变量，或者直接对 data 传入 dataframe 对象。
lmplot 必须有 data 数据，x 和 y 也必须是字符串！

除此之外，几乎是一样的

参考：

sns.regplot

Regression Plots in Python with Seaborn

seaborn: 回归模型的可视化