Seaborn库：提升数据可视化效果

matplotlib库可以提供丰富的绘图样式，但是同时也带来一个问题，即多种函数及其参数带来了过多的细节，导致绘图复杂。在matplotlib库的基础上，seaborn库提供了更高层次的接口，具有更加强大的绘图功能，简化了绘图的流程。通常，它要求输入的数据类型为pandas库中的dataFrame或者numPy模块中的数组。在使用seabom库之前，通过以下命令安装:

二维码5－4　seaborn库常用函数

seaborn库常用函数如表5－8所示。

表5－8　seaborn库常用函数

续表

seaborn库首先带来了主题上的变化，其默认主题是黑色网格底色(darkgrid)主题，网格可以帮助定位图数据的定量化信息。seaborn库提供的“set＿style()”函数可以指定使用的主题。另外，“set()”函数也可以对绘制图像进行设置，如背景、调色板等，如果不加参数，则表示设置成默认值。如果使用“set()”函数设置图像的主题，则需要使用“style” 参数，具体形式为:set(style＝“white”)。图5－30所示为seaborn库的默认主题所绘图形，其实现代码如下:

图5－30　seaborn库默认主题所绘图形

在“white”和“ticks”主题下，可以使用“despine()”函数将图形的上方和右方的边框隐藏，如图5－31所示。

图5－31　seaborn库中隐藏边框

使用“set＿style()”函数对所绘图形的主题统一做设置，这样后续绘制的图形就会使用相同的主题。为了区分不同图形的风格，可以使用“with”语句。在“with”语句中，“axes＿style”函数返回“whitegrid”主题的参数，并且绘制第一幅图形，然而，在第二个“with”语句中，“axes＿style”函数返回“darkgrid”主题的参数，并且绘制第二幅图形。由于两个主题仅在各自“with”语句的范围内起作用，因此，可以绘制出不同的主题图形。seaborn库中绘制不同主题图形的效果如图5－32所示，实现代码如下:

除此之外，seaborn库中还可以通过“set＿context()”函数设置绘图的比例，通过“color＿palette()”函数建立调色板并进行颜色的设置等。

使用“distplot(x，bins，color)”函数可以绘制直方图。其中，参数“x”表示图形来源的数据，参数“bins”表示柱形(Bin)的个数，参数“color”表示图形的颜色。该函数同时绘制核密度估计图。在“tips”数据集中，如果绘制总费用数据“total＿bill”的分布规律，使用10个柱形来表示数据，则可以使用如下格式:

图5－32　seaborn库中绘制不同主题图形的效果

seaborn库中的直方图效果如图5－33所示。

(www.xing528.com)

图5－33　seaborn库中的直方图效果

如果需要展示两个变量之间的关系，即分析两个变量的联合概率分布以及其中一个变量的分布，则可以用“jointplot(x，y，data，color)”函数。其中，参数“x”表示横坐标显示的数据，参数“y”表示纵坐标显示的数据，参数“data”表示数据集，参数“color”表示颜色。针对上述例子，如果需要分析消费的总费用和小费之间的关系，则可以采用如下形式:

消费的总费用与小费之间存在着强相关性，如图5－34所示。在联合分布图中，可以通过“kind”指定不同的显示效果，主要包括“hex”“scatter”“resid”“kde”等，分别表示散点图、残差、密度估计等形式显示数据分布，默认是散点图。例如，设置为密度估计形式的方法如下:

图5－34　seaborn库中的联合分布图

条形图可以统计数据集中不同的类别列对应的数值列，通常横坐标表示类别列，纵坐标表示数值列，这样可以对比不同类别数据的数量。seaborn库中条形图的创建函数是“marplot(x，y，data)”。其中，参数“x”表示横坐标要显示的数据列，参数“y”表示纵坐标要显示的数据列，参数“data”用于指定数据集。seaborn库中条形图的创建效果如图5－35所示。

图5－35　seaborn库中的条形图

如果要观察是否吸烟与小费之间的关系，则可以采用以下形式:

箱形图效果如图5－36所示。其中，参数“x”表示横坐标上的类别列，参数“y”表示纵坐标上的数值列，参数“data”表示数据集。

图5－36　seaborn库中的箱形图

如果使用箱形图展示是否吸烟与小费之间的关系，则可以调用以下函数:

小提琴图因为其图形的形状类似“小提琴”而得名，如图5－37所示。图的高矮表示纵坐标值的范围，胖瘦表示数据的分布规律，因此，可将它看成密度图和箱形图的结合。绘制小提琴图的函数是“violinplot()”。同理，是否吸烟与小费之间关系的小提琴图的函数调用如下:

图5－37　seaborn库中的小提琴图

通常，数据集中存在多个特征，在研究特征之间的关系时，单独地绘制两个特征之间的关系相对比较麻烦。seaborn库提供了使用一幅图展示不同特征(变量)两两之间相互关系的成对变量分析图，使用的函数是“pairplot()”，将数据集输入该函数可以绘制出变量之间的成对关系图。针对“tips”数据集，效果如图5－38所示。

图5－38　seaborn库中的成对变量分析图