1. 简介
Seaborn是一个基于matplotlib的库,它提供了更高级的数据可视化工具。Seaborn为探索、分析和理解数据提供了可以直接使用的便捷方法,它也支持使用数据帧DataFrames和数据集datasets来进行数据可视化。
2. 安装
在使用seaborn进行数据可视化之前,需要首先进行安装。使用pip或conda可以简单地进行安装。在控制台/终端中运行以下命令,即可安装最新版本的seaborn:
!pip install seaborn
3. 导入数据集
在使用seaborn进行统计数据可视化之前,我们需要先导入数据集。Seaborn内置了许多示例数据集,我们可以很方便地使用这些数据集进行可视化。比如,我们可以使用Seaborn自带的 iris 数据集。我们可以使用以下代码导入iris数据集:
import seaborn as sns
iris = sns.load_dataset('iris')
该数据集由5个特征变量构成,包括sepal_length(花萼长度)、sepal_width(花萼宽度)、petal_length(花瓣长度)、petal_width(花瓣宽度)、species(鸢尾花的种类),其中species是分类变量。
4. 单变量分布图
4.1 直方图
对于单个数值变量,我们可以使用直方图来表示该变量的分布情况。我们可以使用Seaborn的distplot()函数来绘制直方图。例如,我们可以使用以下代码绘制iris数据集中sepal_length变量的直方图:
sns.distplot(iris['sepal_length'])
注意:在Seaborn中,直方图和密度图可以集合在一起展示,也可以分开展示。默认情况下,distplot()函数会同时绘制直方图和密度图。如果要只绘制其中之一,需要分别设置hist和kde参数为False或True。
4.2 密度图
密度图可以通过Seaborn的kdeplot()函数进行绘制。以下代码会绘制出iris数据集中sepal_length变量的密度图:
sns.kdeplot(iris['sepal_length'])
4.3 箱线图
箱线图能够显示数据分布的中位数、上下四分位数、极值以及异常值等信息。Seaborn的boxplot()函数可以用于绘制箱线图。例如,我们可以使用以下代码绘制iris数据集中各个种类花的花萼长度的箱线图:
sns.boxplot(x='species', y='sepal_length', data=iris)
5. 双变量分布图
5.1 散点图
散点图可以用于探索两个数值变量之间的关系。Seaborn的scatterplot()函数可以用于绘制散点图。以下代码绘制出了iris数据集中花萼长度(x轴)和花萼宽度(y轴)的散点图:
sns.scatterplot(x='sepal_length', y='sepal_width', data=iris)
同时,我们还可以添加第三个分类变量进行可视化。例如,我们可以使用以下代码将上述散点图中各个种类花的数据分别标记为不同颜色:
sns.scatterplot(x='sepal_length', y='sepal_width', hue='species', data=iris)
此外,我们还可以通过控制hue参数的取值,来实现在散点图中使用不同的标记形状、颜色等展示更多信息。
5.2 热力图
对于两个分类变量,我们可以用Seaborn的heatmap()函数来绘制分类数据的热力图。以下代码展示了鸢尾花的花瓣宽度和花萼长度之间的相关性热力图:
sns.heatmap(iris.corr(), annot=True, cmap='coolwarm')
这里,我们使用了iris数据集中所有数值变量的相关系数矩阵作为数据,设置annot=True以显示相关系数矩阵中的数值。同时,我们指定了调色板cmap为'coolwarm'。
6. 分类变量分布图
6.1 条形图
Seaborn的countplot()函数可以用于绘制柱状图(也可以称为条形图),可以展示每个类别中观测值的数量分布。以下代码展示了iris数据集中各个种类的数量分布情况:
sns.countplot(x='species', data=iris)
通过条形图的高度可以直观地比较不同类别之间的数量分布。
6.2 箱线图
箱线图同样可以用于探索分类变量和数值变量的关系。以下代码展示了鸢尾花的不同花种中,花瓣长度的分布情况:
sns.boxplot(x='species', y='petal_length', data=iris)
我们还可以添加hue参数,将花瓣宽度作为分类变量的维度之一展示,如下所示:
sns.boxplot(x='species', y='petal_length', hue='petal_width', data=iris)
此外,Seaborn的violinplot()函数可以用于绘制小提琴图,与箱线图类似可以用于展示分类变量和数值变量的关系。它可以同时展示出各个类别中数据分布的密度情况。如下所示:
sns.violinplot(x='species', y='petal_length', data=iris)
7. 总结
通过本文的介绍,我们可以看到Seaborn是一个功能强大的库,提供了各种绘制统计数据可视化图表的方法,能够帮助我们更好地理解数据。通过上述示例,读者可以了解如何使用Seaborn进行基本的单变量、双变量和分类变量的分布展示。除此之外,Seaborn还提供了许多其他类型的统计可视化方法,例如回归图、矩阵图、线性图等。掌握Seaborn的绘图技巧,可以让我们更为高效地探索数据,并从中发现有意义的信息。