这个可视化库，有点牛逼...

Python进击者

发布于 2020-07-02 17:29:49

7640

发布于 2020-07-02 17:29:49

前言

好久不见，今天终于可以继续来写数据分析系列的文章了。在之前的文章中，我介绍过matplotlib的简单使用，同时也分享了几篇matplotlib应用实战的文章(如果你没看的话，建议先去看下)，相信大家对于matplotlib有了一定的了解，其实总体来说比较简单，就是一个画图工具，只要我们把一些参数给记住就差不多了。这一章节主要介绍了Python可视化中除了matplotlib以外，另一个强大的可视化第三方库---seaborn。

seaborn

Seaborn is a library for making statistical graphics in Python. It is built on top of matplotlib and closely integrated with pandas data structures.

上面这段话是摘自seaborn的官网，翻译过来的意思就是Seaborn是一个制作统计图形的第三方Python库。它是基于matplotlib而建立的并且它与pandas数据结构有着紧密的连接。

其实简单来说，它就是一个matplotlib的升级版，作为升级版固然会让我们的使用更加的简单，下面我们来看看seaborn。

安装seaborn

pip安装：

pip install seaborn

conda安装：

conda install seaborn

这里需要注意的一点是，seaborn依赖于Python3.6及其以上的版本。

并且需要强制安装以下的依赖第三方库：

numpy (>= 1.13.3)

scipy (>= 1.0.1)

pandas (>= 0.22.0)

matplotlib (>= 2.1.2)

内置数据集

seaborn有一个让我比较惊艳的地方是它自带有数据集，我们可以直接通过相关的函数就可以进行调用，数据集的文件也可以在下面的GitHub地址中获取。

https://github.com/mwaskom/seaborn-data

对于数据集的使用，我们这里可以引用一个官方的例子来实现：

import seaborn as sns
import matplotlib.pyplot as plt
import ssl
 # 此处的代码是防止ssl报错
ssl._create_default_https_context = ssl._create_unverified_context
sns.set(style="ticks") 

# 导入anscombe数据集
df = sns.load_dataset("anscombe")  


sns.lmplot(x="x", y="y", col="dataset", hue="dataset", data=df,
           col_wrap=2, ci=None, palette="muted", height=4,
           scatter_kws={"s": 50, "alpha": 1})
# 在pycharm中，我们需要通过matplotlib来让seaborn图形显示
plt.show()

效果图：

效果图1

seaborn API

要想知道seaborn怎么使用，能够画哪些图形，了解它的API是必不可少的。这里需要注意的是seaborn中的数据集必须是pandas中的Dataframe或者Numpy中的数组，这就说明了为什么pandas和numpy是必备的依赖库。

1.lineplot

seaborn.lineplot(x=None, y=None, hue=None, size=None, style=None, data=None, palette=None, hue_order=None, hue_norm=None, sizes=None, size_order=None, size_norm=None, dashes=True, markers=None, style_order=None, units=None, estimator='mean', ci=95, n_boot=1000, seed=None, sort=True, err_style='band', err_kws=None, legend='brief', ax=None, **kwargs)

通过单词的字面意思，我们可以想到的是折线图，确实lineplot可以帮助我们画出漂亮的折线图。它的属性值非常的多，这里我们也不会一一全部介绍。

首先直接扔出代码

import seaborn as sns

import matplotlib.pyplot as plt
import ssl
ssl._create_default_https_context = ssl._create_unverified_context # 解决ssl报错

# 拿到名字为 fmri 的数据集
fmri = sns.load_dataset("fmri")

# 解析请继续往下看
ax = sns.lineplot(x="timepoint", y="signal",data=fmri,
                  style="event", hue="event", markers=True
                  , ci=0, lw=1, 
                )

plt.show()

效果图

首先，大家可以看下数据集

https://github.com/mwaskom/seaborn-data/blob/master/fmri.csv

ax = sns.lineplot(
x="timepoint", 
y="signal",
data=fmri,
style="event", 
hue="event", 
markers=True, 
ci=0, 
lw=1, 
)

首先x和y不用说，横纵坐标。
data顾名思义就是我们上面的数据集
style这里其实是和markers配合演出的，通过style中的值来区分不同的数据，然后来通过不同的标记来标记不同的数据集。例如在fmri数据集中的event列中，有”stim“和”cue“两种数据，所以展示出来的也就是两根折线
hue就是颜色映射，通俗点来说就是不同的数据对应不同的颜色。
ci控制的是折线的阴影面积，如果ci=100，则是下面的效果

lw控制的是折线的宽度，如果lw=10则为

2.barplot

import seaborn as sns
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

x = np.arange(8)
y = np.array([12,15,13,16,23,11,5,6])

df = pd.DataFrame({"x": x,"y": y})

sns.barplot("x","y",palette="RdBu_r",data=df)
plt.xticks(rotation=90)
plt.show()

效果图：