seaborn更高效的统计图表制作工具

欢迎关注”生信修炼手册”!

seaborn是建立在matplotlib上的一个高度封装的模块，针对数据的统计学描述，统计了一系列相关的可视化功能。

在该模块中，针对常用的统计图表，分为了以下3大类别

1. relplot, 描述数据点之前的关联，可视化形式是散点图和折线图

2. displot, 描述数据点的分布，可视化形式包括直方图，密度曲线等

3. catplot, 描述分类变量的分布，可视化形式包括箱体图，柱状图，小提琴图等

三大类别下面，是各自对应的具体类别。其实三大类别是其子类的更高等级封装，通过三大类别对应的函数，可以灵活调用子类的函数。

来看一个基本的例子

使用relplot函数来可视化x和y变量的关系，kind参数的值为scatter, 表示调用的是scatterplot这个子函数，这也是默认值，输出结果如下

直接调用scatterplot函数，用法如下

输出结果如下

从可视化的效果而言，除了边框样式等展示形式外，坐标系内的元素是完全一致的。需要注意的是，不同level的函数返回的对象是不一样的，relplot函数返回的是FacetGrid对象，而子函数scatterplot函数返回的是axes对象，两者的用法有所区别。

seaborn采用了类似R语言ggplot2的属性映射和分面思想，可以很方便的将数据框的不同列映射为不同的属性，用法如下

1. 属性映射

hue参数用于映射颜色属性，style颜色用于映射形状属性，size参数用于映射点的大小属性，这些参数在大类和子类函数中同时适用，用法如下

输出结果如下

2. 分面

通过row和col参数将数据框的列映射为不同的分面，该方法仅在大类函数中适用，用法如下

输出结果如下

这种属性映射和分面的语法，为数据可视化提供了极大的便利，相同的效果，如果完全用matplotlib的语法来实现，代码量会大大增加。

除此之外，该模块还提供了joint, pair等更加灵活的数据探究方式

1. pairplot

pairplot用于快速可视化数据框各列元素之间的关系，用法如下

输出结果如下

2. jointplot

jointplot是一个组合图，用于探究两个变量间的关系，用法如下

输出结果如下

除了以上功能外，seaborn还有许多其他的功能，后续在详细介绍。

·end·

—如果喜欢，快分享给你的朋友们吧—

原创不易，欢迎收藏，点赞，转发！生信知识浩瀚如海，在生信学习的道路上，让我们一起并肩作战！

本公众号深耕耘生信领域多年，具有丰富的数据分析经验，致力于提供真正有价值的数据分析服务，擅长个性化分析，欢迎有需要的老师和同学前来咨询。