Python Seaborn基础
什么是Seaborn？
Seaborn是基于Matplotlib的Python数据可视化库，提供了更高层次的接口，用于绘制有吸引力且信息丰富的统计图形。它与pandas数据结构紧密集成，内置了多种数据集，并定义了多个绘制多变量数据集关系的函数。
Seaborn的目标是使可视化成为探索和理解数据的核心部分。它的API设计简单明了，使得复杂的可视化任务变得简单，同时生成的图表默认具有美观的外观。
提示
Seaborn不是替代Matplotlib，而是建立在Matplotlib基础上的库，提供更高级的API和默认样式。
安装Seaborn
使用pip安装Seaborn非常简单：
pip install seaborn
导入所需库
在开始使用Seaborn之前，我们需要导入必要的库：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
# 设置绘图风格
sns.set_theme() # 使用默认主题
Seaborn基本图表类型
1. 分布可视化
直方图和KDE (Kernel Density Estimation)
histplot()和kdeplot()函数用于可视化单变量或双变量分布：
# 生成示例数据
data = np.random.normal(size=1000)
# 创建图形
plt.figure(figsize=(10, 6))
# 绘制直方图和KDE
sns.histplot(data, kde=True)
plt.title('直方图和KDE')
plt.show()
这会生成一个包含直方图和KDE曲线的图表，展示数据的分布情况。
箱线图
箱线图用于显示数据分布的几个关键统计量：
# 加载内置数据集
tips = sns.load_dataset("tips")
# 绘制箱线图
plt.figure(figsize=(10, 6))
sns.boxplot(x="day", y="total_bill", data=tips)
plt.title('按天统计账单总额的箱线图')
plt.show()
2. 关系可视化
散点图
使用scatterplot()函数可视化两个变量之间的关系：
# 绘制散点图
plt.figure(figsize=(10, 6))
sns.scatterplot(x="total_bill", y="tip", data=tips)
plt.title('账单总额与小费关系的散点图')
plt.show()
回归图
regplot()函数在散点图的基础上增加了回归线：
plt.figure(figsize=(10, 6))
sns.regplot(x="total_bill", y="tip", data=tips)
plt.title('账单总额与小费关系的回归图')
plt.show()
3. 分类数据可视化
条形图
barplot()函数用于可视化分类变量与数值变量的关系：
plt.figure(figsize=(10, 6))
sns.barplot(x="day", y="total_bill", data=tips)
plt.title('不同天的平均账单总额')
plt.show()
计数图
countplot()函数显示分类变量的计数：
plt.figure(figsize=(10, 6))
sns.countplot(x="day", data=tips)
plt.title('不同天的顾客数量')
plt.show()
4. 矩阵图
热力图
heatmap()函数用于可视化矩阵数据：
# 计算相关矩阵
corr = tips.corr()
# 绘制热力图
plt.figure(figsize=(8, 6))
sns.heatmap(corr, annot=True, cmap="coolwarm")
plt.title('相关矩阵热力图')
plt.show()
自定义Seaborn图表
调整图表样式
Seaborn提供了几种预设的视觉风格：
# 可用的风格：darkgrid, whitegrid, dark, white, ticks
sns.set_style("whitegrid")
plt.figure(figsize=(10, 6))
sns.boxplot(x="day", y="total_bill", data=tips)
plt.title('使用whitegrid风格的箱线图')
plt.show()
调整调色板
# 使用不同的调色板
sns.set_palette("pastel")
plt.figure(figsize=(10, 6))
sns.barplot(x="day", y="total_bill", data=tips)
plt.title('使用pastel调色板的条形图')
plt.show()
FacetGrid：绘制多子图
FacetGrid用于在数据子集上绘制多个图：
g = sns.FacetGrid(tips, col="time", row="sex")
g.map(sns.scatterplot, "total_bill", "tip")
g.add_legend()
plt.show()
实际案例：数据分析与可视化
下面，我们将通过一个实际案例演示Seaborn的应用 - 分析泰坦尼克号乘客数据：
# 加载泰坦尼克号数据集
titanic = sns.load_dataset("titanic")
# 查看数据集的前几行
print(titanic.head())
输出：
survived pclass sex age sibsp parch fare embarked class \
0 0 3 male 22.0 1 0 7.2500 S Third
1 1 1 female 38.0 1 0 71.2833 C First
2 1 3 female 26.0 0 0 7.9250 S Third
3 1 1 female 35.0 1 0 53.1000 S First
4 0 3 male 35.0 0 0 8.0500 S Third
who adult_male deck embark_town alive alone
0 man True NaN Southampton no False
1 woman False C Cherbourg yes False
2 woman False NaN Southampton yes True
3 woman False C Southampton yes False
4 man True NaN Southampton no True
1. 分析生存率与其他特征的关系
plt.figure(figsize=(12, 6))
# 生存率与性别的关系
plt.subplot(1, 2, 1)
sns.countplot(x='survived', hue='sex', data=titanic)
plt.title('生存情况与性别的关系')
# 生存率与舱位等级的关系
plt.subplot(1, 2, 2)
sns.countplot(x='survived', hue='class', data=titanic)
plt.title('生存情况与舱位等级的关系')
plt.tight_layout()
plt.show()
2. 分析年龄分布
plt.figure(figsize=(12, 6))
# 不同生存状态下的年龄分布
plt.subplot(1, 2, 1)
sns.histplot(data=titanic, x='age', hue='survived', multiple='stack')
plt.title('不同生存状态下的年龄分布')
# 不同性别的年龄分布
plt.subplot(1, 2, 2)
sns.kdeplot(data=titanic, x='age', hue='sex', fill=True)
plt.title('不同性别的年龄分布')
plt.tight_layout()
plt.show()
3. 复杂的多变量分析
# 使用对图来探索多个变量之间的关系
g = sns.PairGrid(titanic[['survived', 'age', 'fare', 'pclass']])
g.map_diag(sns.histplot)
g.map_offdiag(sns.scatterplot)
plt.show()
4. 使用热力图分析相关性
# 计算数值变量之间的相关性
numeric_data = titanic.select_dtypes(include=[np.number])
corr = numeric_data.corr()
# 绘制热力图
plt.figure(figsize=(10, 8))
sns.heatmap(corr, annot=True, cmap='coolwarm', linewidths=0.5)
plt.title('特征相关性热力图')
plt.show()
总结
在本教程中，我们学习了：
- Seaborn的基础知识和安装方法
- 各种基本图表类型及其用途：
- 分布可视化：直方图、KDE、箱线图
- 关系可视化：散点图、回归图
- 分类数据可视化：条形图、计数图
- 矩阵图：热力图
- 如何自定义Seaborn图表
- 实际案例：分析泰坦尼克号乘客数据
Seaborn大大简化了数据可视化过程，其默认的美观样式和便捷的API使数据分析和探索变得更加简单。通过本教程的学习，你已经掌握了Seaborn的基础知识，可以开始使用它来探索自己的数据集。
学习建议
学习Seaborn最好的方式是通过实践。尝试用自己的数据集创建不同类型的可视化，或者使用Seaborn内置的示例数据集进行练习。
附加资源与练习
练习
- 使用Seaborn内置的
flights数据集，创建一个展示不同年份每月乘客数量的热力图。 - 使用
tips数据集，分析小费数量与就餐时间、性别之间的关系。 - 创建一个完整的可视化项目，选择一个感兴趣的数据集（可以从Kaggle下载），并使用Seaborn进行探索性数据分析。
推荐资源
- Seaborn官方文档
- Seaborn教程
- Seaborn画廊：包含各种图表示例和代码
通过持续练习和探索，你将能够熟练掌握Seaborn，并创建出美观且信息丰富的数据可视化。