Python 可视化视频课 - 4. Seaborn 中

这是 Python 数据可视化系列的第四节《Seaborn 中》。

Python 数据可视化

1. Matplotlib 上
2. Matplotlib 下
3. Seaborn 上

之前 Python 数据分析和基础系列的所有课程链接如下。

Python 数据分析

1. NumPy 上
2. NumPy 下
3. Pandas 上
4. Pandas 下
5. SciPy 上
6. SciPy 下
7. Pandas 时间序列
8. Pandas 高频数据采样
9. 默顿模型计量经济资本
10. LSMC 定价美式和百慕大期权
11. 负油价和负利率模型
12. Nelson-Siegel 构建债券收益率曲线
13. 外汇交易组合保证金制定系统
14. FR007 利率掉期定价和曲线拔靴
15. 量化投资 - 向量化回测

Python 基础

1. 编程概览
2. 元素型数据
3. 容器型数据
4. 流程控制：条件-循环-异常处理
5. 函数上：低阶函数
6. 函数下：高阶函数
7. 类和对象：封装-继承-多态-组合
8. 字符串专场：格式化和正则化
9. 解析表达式：简约也简单
10. 生成器和迭代器：简约不简单
11. 装饰器：高端不简单

Seaborn 中关注的内容是第 2 章，单图。

1. Seaborn 101

• 场景设定
• 风格设定
• 色调设定
• 图级轴级
• Seaborn 数据集

2. 单图

• 关系图
• 分布图
• 分类图
• 回归图
• 矩阵图

3. 组合图

• 多图网格
• 配对网格
• 联合网格

统计分析就是去理解一个数据集中变量之间的关系，以及这些关系如何受到其他变量的影响。Seaborn 的主要用处就是可视化这个过程。当数据以恰当的方式展示出来时，读者可以直观地观察到某些趋势并发现变量之间的关系。

在 Seaborn 中绘图函数命名非常讲究，在顶层的 relplot(), displot() 和 catplot() 旨在绘制出关系图、分布图和分类图，而在每个函数中设置参数 kind 来细分具体图的类型，如下图所示。

除了在上述三种顶层函数中设置参数 kind，还可以用具体名称的函数实现相似的可视化目标，比如

本节分别从单图和组合图的角度来展示 Seaborn 的绘图功能，单图种类包括

• 关系图 (relational plot) 显示两个定量变量之间的关系
• 分布图 (distributional plot) 显示定量变量的分布
• 分类图 (categorical plot) 显示定量变量在分类变量下每个类别的分布
• 回归图 (regression plot) 包括线性回归图、多项式回归图和残差图
• 矩阵图 (matrix plot) 包括热力图和聚类图

内容太多了，每种图发一张例图吧。

关系图

散点图

线形图

分布图

直方图

KDE 图

ECDF 图

地毯图

分类图

条纹图

蜂群图

箱型图

提琴图

条形图

计数图

点图

回归图

回归图

残差图

矩阵图

热力图

聚类图