Python数据可视化seaborn（二）——分布数据可视化

这篇文章是Python可视化seaborn系列的第二篇文章，本文将详解seaborn如何探索数据的分布。

单变量

直方图 displot

seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None, hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, color=None, vertical=False, norm_hist=False, axlabel=None, label=None, ax=None)

bins → 箱数

hist、ked、rug → bool,是否显示箱/密度曲线/数据分布

norm_hist → 直方图是否按照密度来显示，如果为False,显示计数

_kws：字典，对应部分的各种参数。

vertical → 是否水平显示

fit → 可结合scipy库在图像上做拟合

label → 图例

axlabel → x轴标注

核密度估计图 kdeplot

核密度估计的步骤：

每一个观测附近用一个正态分布曲线近似

叠加所有观测的正态分布曲线

归一化

seaborn.kdeplot（data，data2 = None，shade = False，vertical = False，kernel ='gau'，bw ='scott'，gridsize = 100，cut = 3，clip = None，legend = True，cumulative = False，shade_lowest = True，cbar = False，cbar_ax =无，cbar_kws =无，ax =无，* kwargs ）*

shade: 如果为True，则用颜色填充KDE曲线下方的区域（或者在数据为双变量时用颜色填充的轮廓）

kernel: {‘gau’|‘cos’|‘biw’|‘epa’|‘tri’|‘triw’} 用于拟合的核，双变量值能用高斯核（gau）

bw: {'scott'|'silverman'|标量|一对标量} 确定核的大小，近似理解为拟合程度，bw越大，曲线越平缓。

gridsize：int, 网格中的离散点数

cumulative ：是否绘制累积分布

cbar：参数若为True，则会添加一个颜色条(颜色条在双变量kde图像中才有)

核密度各级图不但能绘制单个变量的，也能绘制双变量！！！

双变量

jointplot

seaborn.jointplot（x，y，data = None，kind ='scatter'，color = None，size = 6，ratio = 5，space = 0.2，dropna = True，xlim = None，ylim = None，joint_kws = None，marginal_kws =None，annot_kws =None，* kwargs ）*

该函数是的一个轻量级界面，如果想更加灵活的绘制，可以使用函数

kind: 设置类型：“scatter”、“reg”、“resid”、“kde”、“hex”

size: int, 图像大小（图像自动调整为正方形）

radio: int, 主图与边缘图的高度比

space: # 设置主图和边缘图的间距

lim ：在绘图之前设置轴限制

_kws：dicts 绘图组件的其他关键字参数

seaborn会直接给出变量的皮尔逊相关系数和P值

pearson相关系数计算：

p：样本间的差异由抽样误差所致的概率小于p.p-value(https://en.wikipedia.org/wiki/P-value)

JointGrid

前面讲过jointplot其实是JoinGrid的一个封装，要想有更灵活的设置，可以使用

__init__（x，y，data = None，size = 6，ratio = 5，space = 0.2，dropna = True，xlim = None，ylim = None）

方法：

plot（joint_func，marginal_func ,annot_func)→ 绘制完整的图形

plot_joint（func，** kwargs）→ 绘制双变量图形

plot_marginals（func，** kwargs）→ 绘制边缘单变量图形

savefig（* args，** kwargs）→ 保存

set_axis_labels（[xlabel，ylabel]）→ 在双变量轴上设置轴标签。

探索两两变量之间的关系

通常我们的数据并不是只有一个或者两个变量，那么对于多个变量，我们常需要探索两两变量之间的分布及关系这是我们就需要使用函数

或者是

pairplot

seaborn.pairplot（data，hue = None，hue_order = None，palette = None，vars = None，x_vars = None，y_vars = None，kind ='scatter'，diag_kind ='auto'，markers = None，s = 2.5，aspect = 1，dropna = True，plot_kws = None，diag_kws = None，grid_kws = None）

hue: string(变量名) ： 颜色将按照指定的变量分类

hue_order ： list 设置调色板色调变量级别

palette ： 调色板

vars : list 变量名称列表，否则使用所有数值型变量的列

markers: 点样式

sepal_length sepal_width petal_length petal_width species

5.1 3.5 1.4 0.2 setosa

4.9 3.0 1.4 0.2 setosa

4.7 3.2 1.3 0.2 setosa

4.6 3.1 1.5 0.2 setosa

5.0 3.6 1.4 0.2 setosa

PairGrid

相当于 和 的关系，PairGrid 对矩阵散点图有着更为灵活的控制

__init__（data，hue = None，hue_order = None，palette = None，hue_kws = None，vars = None，x_vars = None，y_vars = None，diag_sharey = True，size = 2.5，aspect = 1，despine = True，dropna = True）

add_legend（[legend_data，title，label_order]）绘制一个图例，可能将其放在轴外并调整图形大小。

map_diag（func，** kwargs）：在每个对角线子图上绘制具有单变量函数的图。

map_lower（func，** kwargs）：在下对角线子图上绘制具有双变量函数的图。

map_upper（func，** kwargs）：在上对角线子图上绘制具有双变量函数的图

map_offdiag（func，** kwargs）：在非对角线子图上绘制具有双变量函数的图。

set（** kwargs）：在每个子图集Axes上设置属性。

看再多次，都不如自己亲自动手写一次，只有在实际应用中不断练习，思考，调整。才能理解掌握数据可视化的技能。

下篇文章，我会介绍seaborn如何探索数据间的关系。

欢迎订阅我的公众号