Seaborn-让绘图变得有趣

如果曾经在Python中使用过线图，条形图等图形，那么一定已经遇到了名为matplotlib的库。

尽管matplotlib库非常复杂，但绘图并没有那么精细，也不是任何人发布的首选。这是seaborn出现的地方。

Seaborn是基于matplotlib的Python数据可视化库。它提供了一个高级界面，用于绘制引人入胜且内容丰富的统计图形。

该库是可视化的下一步。只需一个命令就可以绘制漂亮的图，甚至可以制作多个图。开始探索seaborn。随附的GitHub存储库如下：

https://github.com/kb22/Understanding-Seaborn?source=post_page-----4951b89a0c07----------------------

汇入资料

为了了解各种地块，从Kaggle选择了一个有关“ 加州住房价格”的数据集。因此，第一步是导入pandas允许读取CSV文件的库，然后使用来打印行数，列名和前5行head(5)。

https://www.kaggle.com/camnugent/california-housing-prices

import pandas as pd
 
dataset = pd.read_csv("dataset.csv")
print("Dataset: {}".format(dataset.shape))
print("Columns: {}".format(dataset.columns))
dataset.head(5)
 
## Output
# Dataset: (20640, 10)
# Columns: Index(['longitude', 'latitude', 'housing_median_age', 'total_rooms',
#        'total_bedrooms', 'population', 'households', 'median_income',
#        'median_house_value', 'ocean_proximity'],
#       dtype='object')

数据集有20640行和10列，其名称在上面的要点中进行了描述。还看看前5行是什么样子。

数据集

Seaborn

从导入开始matplotlib。请注意，使用的是matplotlib版本3.0.3，而不是最新版本，因为存在一个会破坏热图并使其无效的错误。然后，导入了seaborn。最后，为了确保Jupyter中的图显示在笔记本中，使用命令%matplotlib inline。

import matplotlib.pyplot as plt
import seaborn as sns
 
%matplotlib inline

开始探索情节！

散点图

当想要显示两个要素或一个要素与标签之间的关系时，散点图很有用。这非常有用，因为还可以描述每个数据点的大小，为它们涂上不同的颜色并使用不同的标记。看看seaborn的基本命令是做什么的。

sns.scatterplot(x = 'total_rooms', y = 'total_bedrooms', data = dataset)

Seaborn的散点图

上图描述了total_rooms和之间的关系total_bedrooms。只需执行一个命令即可完成所有工作，但要等待，还有更多。

使用figsize，我将尺寸增加到12x8。然后，将scatterplot命令更新为每个数据点的大小基于median_house_value，颜色使用hue基于ocean_proximity和标记使用style基于基于ocean_proximity。另外，如果没有适当的标题和轴标签，则绘图是不完整的，因此也添加了它们。

plt.figure(figsize = (12, 8))
sns.scatterplot(data = dataset,
               x = 'total_rooms',
               y = 'total_bedrooms',
               hue = 'ocean_proximity',
               style = 'ocean_proximity')
plt.title("California Rooms vs Bedrooms")
plt.xlabel("Total rooms")
plt.ylabel("Total bedrooms")

使用Seaborn更新了散点图

如您所见，此图看起来比以前的图好很多，并且还包含一个不错的图例，因此任何人都可以看到和理解该图-应当是这样。

计数图

计数图根据某个类别列自动对数据点进行计数，并将数据显示为条形图。这在分类问题中非常有用，在分类问题中，要查看各种类的大小是否相同。但是，由于这不是分类数据，并且只有一个分类列，因此决定使用它。

seaborn中的地块也可以text使用来添加到每个条annotate。在仔细查看数据集时，发现缺少许多元数据信息。例如，该列具有尚未在任何地方描述ocean_proximity的值<1H OCEAN。人们应该始终收集元数据信息，并使用具有适当信息的数据集。由于这只是用于理解图的参考数据集，因此没什么大不了的。

plt.figure(figsize = (12, 8))
ocean_plot = sns.countplot(x = 'ocean_proximity', data = dataset)
for p in ocean_plot.patches:
    ocean_plot.annotate(p.get_height(),
                        (p.get_x() + p.get_width() / 2.0,
                         p.get_height()),
                        ha = 'center'x,
                        va = 'center',
                        xytext = (0, 5),
                        textcoords = 'offset points')
 
plt.title("Count of houses based on their proximity to ocean")
plt.xlabel("Proximity to the ocean")
plt.ylabel("Count of houses")

使用seaborn计数地块

在上图中，可以看到该列的数据高度不对称。带有条形文字非常有用，因为ISLAND仅通过查看绘图，最后一个类型看起来就好像是零值。

直方图

直方图是显示连续数据点并查看其分布方式的有效方法。可以看到，大多数值位于较低端，较高端或均匀分布。

dist在seaborn情节既产生的直方图，以及基于所述数据图的密度线。定义了总共10个垃圾箱，以便将整个垃圾箱median_house_value分配到10个不同的存储桶中。

plt.figure(figsize = (12, 8))
sns.distplot(a = dataset['median_house_value'], bins = 10, hist = True)
plt.title("Density and histogram plot for Median house value")
plt.xlabel("Median house value")
plt.ylabel("Value")

直方图的直方图（具有密度）

该分布似乎很正常，较高端略有尖峰。上图中的蓝线定义了密度的分布。

小提琴图

在与seaborn合作之前，经常在各种文章中看到这些看起来很怪异的情节，并且想知道它们是什么。然后了解了它们，发现它们是小提琴图，与箱形图非常相似，并根据密度描绘了宽度以反映数据分布。在Seaborn中，创建小提琴图只是一个命令。

plt.figure(figsize = (12, 8))
sns.violinplot(x = 'ocean_proximity', y = 'median_house_value', data = dataset)
plt.title("Box plots of house values based on ocean proximity")
plt.xlabel("Ocean proximity")
plt.ylabel("Median house value")

Seaborn小提琴情节

在继续进行之前，看看如何理解这些图。考虑一下绿色情节INLAND。从零延伸到大约250000的黑线是95％的置信区间。内部的黑色粗块是四分位间距，表示所有数据中约有50％位于该范围内。图的宽度基于数据的密度。可以将其理解为该特定数据集的直方图，其中黑线是x轴，完全平滑并旋转了90度。

热图

相关矩阵可帮助了解所有功能和标签如何相互关联以及相关程度。该pandas数据框中有一个调用的函数corr()生成相关矩阵，当把它输入到seaborn热图，得到了一个美丽的热图。设置annot为True可确保相关性也用数字定义。

plt.figure(figsize = (12, 8))
sns.heatmap(dataset.corr(), annot = True)

Seaborn的热图

尽管整个图很有用，但可以从查看最后一列开始，并注意每个功能可能如何与标签相关联median_house_value。median_income与标签最相关，值为0.69。

联合图

联合图是要绘制的两个要素的散布图与密度图（直方图）的组合。seaborn的联合图甚至可以使用kindas 甚至单独绘制线性回归reg。使用heightas 8和color 定义了正方形尺寸green。

sns.jointplot(x = "total_rooms", y = "total_bedrooms", data=dataset, kind="reg", height = 8, color = 'g')
plt.xlabel("Total rooms")
plt.ylabel("Total bedrooms")

Seaborn的联合地块

绿线描绘了基于数据点的线性回归。

带群图的箱形图

箱形图将信息显示在单独的四分位数和中位数中。与swarm图重叠时，数据点会分布在其位置上，因此根本不会重叠。

plt.figure(figsize = (12, 8))
sns.boxplot(x = 'ocean_proximity', y = 'median_house_value', data = dataset)
sns.swarmplot(x = 'ocean_proximity', y = 'median_house_value', data = dataset)
plt.title("Box plots of house values based on ocean proximity")
plt.xlabel("Ocean proximity")
plt.ylabel("Median house value")

Seaborn的箱形图（和群图）

从上面的污点中，可以看到如何对中的五个类别分别描述箱形图ocean_proximity。数据点揭示了数据如何分布。

对图

该对图会在每对特征和标签之间产生大量的图集。对于特征/标签的每种组合，此图均显示一个散点图，对于其自身的每种组合，均显示一个直方图。绘图本身对于获取手边的数据的本质非常有用。

sns.pairplot(dataset)

Seaborn的情节图

上图包含大量信息，而且仅需一条命令即可获得。