Python可视化 | Seaborn教你一行代码生成数据可视化
Python可视化 | Seaborn教你一行代码生成数据可视化
处理一组数据时，通常要做的第一件事就是了解变量的分布。本文会介绍seaborn中用于可视化单变量的一些函数。
#导入库
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from scipy import stats
sns.set(color_codes=True)
x = np.random.normal(size=100)
单变量可视化
查看seaborn中的单变量分布的最便捷方法是distplot()函数。默认情况下，将绘制直方图并拟合核密度估计（KDE, kernel density estimate）。
sns.distplot(x)
<matplotlib.axes._subplots.AxesSubplot at 0x7fd493fa0390>
直方图
直方图将数据分成bin(s)，然后绘制条形以显示落在每个bin中的数据数量，来表示数据的分布。
为了说明这一点，可以删除密度曲线并添加一个地毯图，该图在每次观察时都会绘制一个小的垂直刻度。您可以使用rugplot()函数制作地毯图，也可以在distplot()中使用它。
sns.distplot(x, kde=False, rug=True)
<matplotlib.axes._subplots.AxesSubplot at 0x7fd49669ac50>
绘制直方图时，主要的选择是bin的数量以及放置它们的位置。distplot()会为你自动选择参数，但是尝试更多或更少的bin可能会揭示数据的其他特征。
sns.distplot(x, bins=20, kde=False, rug=True)
<matplotlib.axes._subplots.AxesSubplot at 0x7fd493a13b00>
核密度估计
核密度估计是绘制分布形状的一个有用的工具。像直方图一样，KDE根据一个轴上数据的密度，在另一个轴上显示高度。
sns.distplot(x, hist=False, rug=True)
<matplotlib.axes._subplots.AxesSubplot at 0x7fd493eca898>
与绘制直方图相比，绘制KDE的计算量更大。它的计算过程是，每个观察值首先被以该值为中心的高斯曲线代替。
x = np.random.normal(0, 1, size=30)
bandwidth = 1.06 * x.std() * x.size ** (-1 / 5.)
support = np.linspace(-4, 4, 200)
kernels = []
for x_i in x:
kernel = stats.norm(x_i, bandwidth).pdf(support)
kernels.append(kernel)
plt.plot(support, kernel, color="r")
sns.rugplot(x, color=".2", linewidth=3);
接下来，将这些曲线求和，以计算每个点的密度值。然后将结果曲线归一化，以使其下方的面积等于1。
from scipy.integrate import trapz
density = np.sum(kernels, axis=0)
density /= trapz(density, support)
plt.plot(support, density)
[<matplotlib.lines.Line2D at 0x7fd3f272d978>]
如果在seaborn中使用kdeplot()函数，可以得到相同的曲线。distplot()为查看数据密度估计提供了更直接、便利的方法。
sns.kdeplot(x, shade=True)
<matplotlib.axes._subplots.AxesSubplot at 0x7fd493864eb8>
KDE的带宽(bw)参数控制估算值与数据拟合的紧密程度，非常类似于直方图中的bin大小。它对应上面绘制的内核的宽度。默认值使用的是通用规则，但是尝试更大或更小的值可能会有所帮助。
sns.kdeplot(x)
sns.kdeplot(x, bw=.2, label="bw: 0.2")
sns.kdeplot(x, bw=2, label="bw: 2")
plt.legend()
<matplotlib.legend.Legend at 0x7fd3f2754080>
在上图中，bw=2时，估算超出了数据集中的最大和最小值。可以控制通过cut参数绘制曲线的极限值有多远。但是，这只会影响曲线的绘制方式，而不会影响其拟合方式。
sns.kdeplot(x, shade=True, cut=0)
sns.rugplot(x)
<matplotlib.axes._subplots.AxesSubplot at 0x7fd493835ac8>
拟合参数分布
你还可以使用distplot()将参数分布拟合到数据集，并直观地评估其与观察到的数据的对应程度。
x = np.random.gamma(6, size=200)
sns.distplot(x, kde=False, fit=stats.gamma)
<matplotlib.axes._subplots.AxesSubplot at 0x7fd3f08cb2e8>
双变量分布可视化
在seaborn中可视化双变量的方法是jointplot()函数，该函数创建一个多面板图形，该图形同时显示两个变量之间的双变量（或联合）关系以及每个变量的单变量分布。
mean, cov = [0, 1], [(1, .5), (.5, 1)]
data = np.random.multivariate_normal(mean, cov, 200)
df = pd.DataFrame(data, columns=["x", "y"])
散点图
可视化双变量分布的最常用的方法是散点图，和matplotlib plt.scatter类似。
sns.jointplot(x="x", y="y", data=df)
<seaborn.axisgrid.JointGrid at 0x7fd3f08a0a20>
六边形图
双变量的直方图叫“六边形”图，因为它显示了落在六边形箱中的观测值。该图适用于相对较大的数据集。可通过matplotlib plt.hexbin函数使用，也可以在jointplot()中作为样式使用。
x, y = np.random.multivariate_normal(mean, cov, 1000).T
sns.jointplot(x=x, y=y, kind="hex");
核密度估计
对于双变量也可以进行核密度估计。
sns.jointplot(x="x", y="y", data=df, kind="kde")
<seaborn.axisgrid.JointGrid at 0x7fd3f0523c18>
你还可以使用kdeplot()函数绘制二维内核密度图，将密度图绘制到特定的（可能已经存在的）matplotlib上
f, ax = plt.subplots(figsize=(6, 6))
sns.kdeplot(df.x, df.y, ax=ax)
sns.rugplot(df.x, color="g", ax=ax)
sns.rugplot(df.y, vertical=True, ax=ax)
<matplotlib.axes._subplots.AxesSubplot at 0x7fd3f069ada0>
如果你希望更连续地显示双变量密度，则可以增加轮廓级别的数量
f, ax = plt.subplots(figsize=(6, 6))
cmap = sns.cubehelix_palette(as_cmap=True, dark=0, light=1, reverse=True)
sns.kdeplot(df.x, df.y, cmap=cmap, n_levels=60, shade=True)
<matplotlib.axes._subplots.AxesSubplot at 0x7fd3f0597fd0>
jointplot()函数使用JointGrid来管理图形，您可以直接使用JointGrid绘制图形。jointplot()在绘制后返回JointGrid对象，你可以使用该对象添加更多层或调整可视化的其他属性。
g = sns.jointplot(x="x", y="y", data=df, kind="kde", color="m")
g.plot_joint(plt.scatter, c="w", s=30, linewidth=1, marker="+")
g.ax_joint.collections[0].set_alpha(0)
g.set_axis_labels("$X$", "$Y$")
<seaborn.axisgrid.JointGrid at 0x7fd3f01c92e8>
