第五章. 可视化数据分析图
5.7 Seaborn图表
Seaborn是一个基于Matplotlib的高级可视化效果库，偏向于统计图表，主要针对的是数据挖掘和机器学习中的变量特征选取，相比Matplotlib，他的语法相对简单，但是具有一定的局限性，本节主要介绍折线图，直方图，条形图，散点图。
1.Seaborn图表的基本设置
1).背景风格：
设置Seaborn的背景风格，主要使用axes_style函数和set_style函数，Seaborn有5个背景主题，适用与不同的场景和主题：
·darkgrid：灰色网格（默认值，主题中的白线能避免影响数据的表现）
·whitegrid：白色网格（更适合表达“重数据元素”）
·dark：灰色背景
·white：白色背景
·ticks：四周带刻度的白色背景
2).边框控制（despine函数）：
·移除顶部和右边边框
seaborn.deapline()
·使用两个坐标轴离开一段距离
seaborn.deapline(offset=5，trim=True)
·移除左边边框，与set_style方法的白色网格搭配只用效果更佳
seaborn.set_style('whitegrid')seaborn.deapline(left=True)
·移除指定边框，设置为True即可
seaborn.deapline(fig=None,ax=None,top=True,right=True,left=True,bottom=False,offset=None,trim=False)
2.折线图 （seaborn.relplot 和 seaborn.lineplot）
在Seaborn中实现折线图的两种方法：一是在relplot函数中通过设置kind参数为line，二是使用lineplot函数直接绘制折线图
1).语法：
seaborn.relplot(x=None, y=None, hue=None, size=None, style=None,data=None, row=None,col=None, col_wrap=None,row_order=None,col_order=None, palette=None,hue_order=None, hue_norm=None, sizes=None,size_order=None, size_norm=None, markers=None,dashes=None, style_order=None, legend='auto', kind='scatter', height=5, aspect=1,facet_kws=None, units=None, **kwargs)
参数说明:
x, y：x,y轴上的数据
hue： 将生成具有不同颜色的元素的分组变量。可以是按类别的（categorical），也可以是数字的，不过在后一种情况下，颜色映射的行为会有所不同。
data： 输入数据结构。要么是可以分配给命名变量的向量的长形式集合，要么是将进行内部整形的宽形式数据集
kind：需要绘制的图
2).示例：
Excel中的数据：
代码：
import matplotlib.pyplot as pltimport pandas as pdimport seaborn as snspd.set_option('display.unicode.east_asian_width', True)df = pd.read_excel('F:\\Note\\清单.xlsx', sheet_name='Sheet4')print(df)sns.set_style('darkgrid')plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码plt.rcParams['axes.unicode_minus'] = False # 解决负号不显示的问题# 绘制折线图ax = sns.relplot(x='姓名', y='语文', kind='line', data=df)# 设置文本标签ax = ax.axes[0,0]for x, y in zip(df['姓名'], df['语文']):ax.text(x, y, '%.2f' % y, ha='center', va='center', fontsize=8, color='black')# 设置标题ax.title.set_text('成绩统计表')# 显示图像plt.show()
结果展示:
3).语法：
seaborn.lineplot(x=None, y=None, hue=None, size=None, style=None,data=None, row=None,col=None, col_wrap=None,row_order=None,col_order=None, palette=None,hue_order=None, hue_norm=None, sizes=None,size_order=None, size_norm=None, markers=None,dashes=None, style_order=None, legend='auto', kind='scatter', height=5, aspect=1,facet_kws=None, units=None, **kwargs
参数说明:
x, y：x,y轴上的数据
hue： 将生成具有不同颜色的元素的分组变量。可以是按类别的（categorical），也可以是数字的，不过在后一种情况下，颜色映射的行为会有所不同。
data： 输入数据结构。要么是可以分配给命名变量的向量的长形式集合，要么是将进行内部整形的宽形式数据集
kind：需要绘制的图
4).示例：
Excel中的数据：
代码：
import matplotlib.pyplot as pltimport pandas as pdimport numpy as npimport seaborn as snspd.set_option('display.unicode.east_asian_width', True)df = pd.read_excel('F:\\Note\\清单.xlsx', sheet_name='Sheet8')print(df)sns.set_style('darkgrid')plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码plt.rcParams['axes.unicode_minus'] = False # 解决负号不显示的问题# 设置画布大小plt.figure(figsize=(8, 6), dpi=100)# 绘制折线图ax = sns.lineplot(x='姓名', y='成绩', hue='学科', data=df)# 设置文本标签x_label = df['姓名']x_label = np.arange(len(x_label))width = 0.25dis1 = x_labeldis2 = x_labeldis3 = x_labelfor x, y in zip(x_label, df['成绩']):discuss = int(x / 3)if x % 3 == 0:ax.text(dis1[discuss], y, '%.1f' % y, ha='center', va='center', fontsize=8, color='black')elif x % 3 == 1:ax.text(dis2[discuss], y, '%.1f' % y, ha='center', va='center', fontsize=8, color='black')else:ax.text(dis3[discuss], y, '%.1f' % y, ha='center', va='center', fontsize=8, color='black')# 设置标题ax.title.set_text('成绩统计表')# 设置图例ax.legend(loc='upper right')# 显示图像plt.show()
结果展示:
3.直方图 （seaborn.distplot）
1).语法：
seaborn.distplot(data=None, 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, x=None)
参数说明:
data：数据
bins：设置矩形图数量
hist：是否显示条形图
kde：是否显示核密度估计图，默认值为True，显示核密度估计图
rug：是否在x轴上显示观测的小细条
fit：拟合的参数分布图形
2).示例：
Excel中的数据:
代码:
import matplotlib.pyplot as pltimport pandas as pdimport seaborn as snspd.set_option('display.unicode.east_asian_width', True)df = pd.read_excel('F:\\Note\\清单.xlsx', sheet_name='Sheet4')print(df)sns.set_style('darkgrid')plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码plt.rcParams['axes.unicode_minus'] = False # 解决负号不显示的问题data = df[['语文']]sns.distplot(data, kde=True)# 显示图像plt.show()
结果展示:
4.条形图 （seaborn.barplot）
1).语法：
seaborn.barplot(data=None, *, x=None, y=None, hue=None, order=None, hue_order=None,estimator="mean", errorbar=("ci", 95), n_boot=1000, units=None, seed=None,orient=None, color=None, palette=None, saturation=.75, width=.8, errcolor=".26", errwidth=None, capsize=None, dodge=True, ci="deprecated", ax=None, **kwargs)
参数说明:
x，y：x,y轴数据
hue：分类字段
order，hue_order：变量绘图顺序
orient：条形图是水平显示还是竖直显示
capsize：误差线的宽度
estimator：每类变量的统计方式，默认值：mean
2).示例：
Excel中的数据：
代码：
import matplotlib.pyplot as pltimport pandas as pdimport numpy as npimport seaborn as snspd.set_option('display.unicode.east_asian_width', True)df = pd.read_excel('F:\\Note\\清单.xlsx', sheet_name='Sheet8')print(df)sns.set_style('darkgrid')plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码plt.rcParams['axes.unicode_minus'] = False # 解决负号不显示的问题# 设置画布大小plt.figure(figsize=(8, 6), dpi=100)# 绘制条形图ax = sns.barplot(x='姓名', y='成绩', hue='学科', data=df)# 设置文本标签x_label = df['姓名']x_label = np.arange(len(x_label))width = 0.25dis1 = x_label - widthdis2 = x_labeldis3 = x_label + widthfor x, y in zip(x_label, df['成绩']):discuss = int(x / 3)if x % 3 == 0:ax.text(dis1[discuss], y, '%.1f' % y, ha='center', va='center', fontsize=8, color='black')elif x % 3 == 1:index = dis2[discuss]ax.text(index, y, '%.1f' % y, ha='center', va='center', fontsize=8, color='black')else:index = dis3[discuss]ax.text(index, y, '%.1f' % y, ha='center', va='center', fontsize=8, color='black')# 设置标题ax.title.set_text('成绩统计表')# 设置图例ax.legend(loc='upper right')# 显示图像plt.show()
结果展示:
5.散点图 （seaborn.relplot）
1).语法：
seaborn.relplot(x=None, y=None, hue=None, size=None, style=None,data=None, row=None,col=None, col_wrap=None,row_order=None,col_order=None, palette=None,hue_order=None, hue_norm=None, sizes=None,size_order=None, size_norm=None, markers=None,dashes=None, style_order=None, legend='auto', kind='scatter', height=5, aspect=1,facet_kws=None, units=None, **kwargs)
参数说明:
x, y：x,y轴上的数据
hue： 将生成具有不同颜色的元素的分组变量。可以是按类别的（categorical），也可以是数字的，不过在后一种情况下，颜色映射的行为会有所不同。
data： 输入数据结构。要么是可以分配给命名变量的向量的长形式集合，要么是将进行内部整形的宽形式数据集
kind：需要绘制的图
2).示例：
Excel中的数据：
代码：
import matplotlib.pyplot as pltimport pandas as pdimport seaborn as snspd.set_option('display.unicode.east_asian_width', True)df = pd.read_excel('F:\\Note\\清单.xlsx', sheet_name='Sheet4')print(df)sns.set_style('darkgrid')plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码plt.rcParams['axes.unicode_minus'] = False # 解决负号不显示的问题# 绘制折线图ax = sns.relplot(x='姓名', y='语文', data=df)# 显示图像plt.show()
结果展示:
