全部文章

8-seaborn高级绘图工具

概述

Matplotlib虽然已经是比较优秀的绘图库了，但是它有个今人头疼的问题，那就是API使用过于复杂，它里面有上千个函数和参数，属于典型的那种可以用它做任何事，却无从下手。
Seaborn基于 Matplotlib核心库进行了更高级简洁的API封装，可以轻松地画出更漂亮的图形，而Seaborn的漂亮主要体现在配色更加舒服，以及图形元素的样式更加细腻。

互补性​​

  • Seaborn 依赖 Matplotlib 实现绘图，两者可混合使用：用 Seaborn 快速生成图表，再用 Matplotlib 调整细节。
  • 复杂场景下，两者结合能兼顾效率和灵活性。
​​维度​​ ​​Matplotlib​​ ​​Seaborn​​
​​定位​​ 底层绘图工具，灵活但代码量大 高级统计可视化，简洁高效
​​适用场景​​ 定制化图表、非统计图表、学术出版 数据探索、统计分析、快速原型
​​默认样式​​ 朴素 美观（内置主题和调色板）
​​学习成本​​ 较高（需掌握 Figure/Axes 体系） 较低（面向 DataFrame 和统计语义）
​​核心优势​​ 完全控制图形细节 一键生成复杂统计图表

实际工作场景使用建议​​：

  1. ​​数据分析阶段​​：优先用 Seaborn 快速探索数据分布和关系。适用于探索性数据分析（EDA）阶段的多维度数据分布比较。
  2. ​​报告/演示输出​​：用 Seaborn 生成基础图表，再用 Matplotlib 微调样式。
  3. ​​复杂定制需求​​：直接使用 Matplotlib 或混合调用。

安装

不过，使用Seaborn绘制图表之前，需要安装和导入绘图的接口，具体代码如下：
# 安装
pip install seaborn
# 导入
import seaborn as sns
接下来，我们正式进入 Seaborn库的学习
 

全局配置图表样式sns.set()

sns.set()​​ 是 seaborn 中用于全局配置图表样式的核心函数，它会设置默认的主题、调色板、字体等参数，让你的图表看起来更专业。

sns.set() 的作用​​

    1. ​​设置默认主题​​
      通过 sns.set()，seaborn 会自动应用一套预定义的视觉主题（如背景颜色、网格线、字体大小等），替代 matplotlib 的默认简陋样式。

    2. ​​统一图表风格​​
      全局生效，后续所有绘图（包括 matplotlib 和 seaborn 生成的图表）都会继承这些配置，无需重复调整参数。

    3. ​​提升可读性​​
      默认主题优化了颜色对比度、坐标轴标签等细节，使数据更清晰易懂。

常用参数​

sns.set(
    context="notebook",  # 上下文环境：'paper', 'talk', 'poster'（调整字体大小等）
    style="darkgrid",    # 主题样式：'darkgrid', 'whitegrid', 'dark', 'white'
    palette="deep",      # 调色板：'muted', 'pastel', 'bright', 'colorblind' 等
    font="sans-serif",   # 字体类型
    font_scale=1,        # 字体大小缩放比例
    rc=None              # 直接传递 matplotlib 的 rc 参数（高级设置）
)

示例对比​​

1. ​​未调用 sns.set()​​（使用原生 matplotlib 样式）

import matplotlib.pyplot as plt
plt.plot([1, 2, 3], [4, 5, 6])
plt.show()
  • ​效果​​：白底、无网格线、字体较小，图表较为朴素。

2. ​​调用 sns.set() 后​

import seaborn as sns
sns.set()  # 应用默认主题
plt.plot([1, 2, 3], [4, 5, 6])
plt.show()
  • 效果​​：灰色背景 + 白色网格线（darkgrid 主题）、字体更大、颜色更柔和。

​​常见问题​​

1. ​​如何自定义样式？​​

通过参数调整主题和调色板：

sns.set(
    style="whitegrid",       # 白色背景 + 灰色网格线
    palette="husl",          # 鲜艳的调色板
    font_scale=1.5,          # 字体放大1.5倍
    rc={"lines.linewidth": 2} # 线条宽度设为2
)

2. ​​如何重置为默认设置？​

sns.reset_orig()  # 恢复为 matplotlib 原始样式

 ​​是否必须调用 sns.set()？​​

  • ​​不必须​​，但强烈建议使用。它能显著提升图表美观度，节省手动调整样式的时间。

​​总结​​

  • ​​sns.set()​​ 是 seaborn 的样式初始化函数，一键提升图表颜值。
  • 通过参数可灵活定制主题、颜色、字体等细节。
  • 适用于数据分析报告、论文配图等需要专业可视化效果的场景。
当处理一组数据时，通常先要做的就是了解变量是如何分布的。
对于单变量的数据来说 采用直方图或核密度曲线是个不错的选择。
对于双变量来说，可采用多面板图形展现，比如 散点图、二维直方图、核密度估计图形等。
针对这种情况， Seaborn库提供了对单变量和双变量分布的绘制函数，如 displot()函数、 jointplot()函数，下面来介绍这些函数的使用，具体内容如下：

绘制单变量分布

distplot（）已过时

注意：distplot函数函数已经被弃用，下面的代码仅用作了解

可以采用最简单的直方图描述单变量的分布情况。 Seaborn中提供了 distplot()函数，它默认绘制的是一个带有核密度估计曲线的直方图。
distplot()函数的语法格式如下：
seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None, color=None)
参数：
  • (1) a：表示要观察的数据，可以是 Series、一维数组或列表。
  • (2) bins：用于控制条形的数量。
  • (3) hist：接收布尔类型，表示是否绘制(标注)直方图。
  • (4) kde：接收布尔类型，表示是否绘制高斯核密度估计曲线。
  • (5) rug：接收布尔类型，表示是否在支持的轴方向上绘制rugplot(地毯图)。
通过 distplot())函数绘制直方图的示例如下。
import numpy as np
sns.set()
np.random.seed(0) # 确定随机数生成器的种子,如果不使用每次生成图形不一样
arr = np.random.randn(100) # 生成随机数组
ax = sns.distplot(arr, bins=10, hist=True, kde=True, rug=True) # 绘制直方图

distplot 的功能拆分​​

distplot 被弃用后，其功能拆分为以下更细粒度的函数：

​​distplot 的功能​​ ​​替代函数组合​​
​​直方图 (Histogram)​​ histplot（核心）或 displot(kind="hist")
​​核密度估计 (KDE)​​ kdeplot（核心）或 displot(kind="kde")
​​地毯图 (Rug Plot)​​ rugplot（需手动叠加）
​​多图叠加​​ 手动组合（如 histplot + kdeplot + rugplot）

histplot（）直方图

若只需直方图 + KDE，直接使用 histplot

arr=np.random.randn(1000)
ax=sns.histplot(arr, bins=10,  kde=True) # 绘制直方图
plt.show()

​rugplot（）地毯图

手动叠加地毯图

arr=np.random.randn(1000)
ax=sns.histplot(arr, bins=10,  kde=True) # 绘制直方图+核密度曲线
sns.rugplot(arr,ax=ax)#绘制地毯图
plt.show()

image

displot（）分面绘图

 
​ ​​类型​​ ​​说明​​
​​data​​ DataFrame, ndarray, dict 输入数据。支持长格式（变量为列）或宽格式（自动转换）。
​​x, y​​ 向量或 data 中的键 指定 x/y 轴的变量名（双变量分析时需同时指定）。
​​hue​​ 向量或 data 中的键 语义变量，将该列数据分组，按不同颜色绘制分布。
​​row, col​​ 向量或 data 中的键 按行或列分面绘制子图（基于变量不同取值）。将该列或行分组，每组绘制一个子图。
​​kind​​ 'hist', 'kde', 'ecdf' 绘图类型，默认为 'hist'。
  • hist：直方图（默认，使用 histplot）。
  • kde：核密度估计图（使用 kdeplot）。
  • ecdf：经验累积分布函数图（仅单变量，使用 ecdfplot）。
​​rug​​ bool 是否添加 rugplot（显示数据点位置），默认为 False。
​​log_scale​​ bool, number 或元组 设置坐标轴为对数刻度（如 log_scale=True 或 log_scale=(True, False)）。
​​height, aspect​​ 标量 子图高度（英寸）和宽高比（总宽度 = height * aspect）。
​​col_wrap​​ int 分面列的最大数量，超出的列换行显示（不可与 row 同时使用）。
 
 高级参数​​
  • ​​palette​​：调色板名称、列表或字典，控制 hue 分组的颜色映射。
  • ​​hue_order​​：指定 hue 分组的顺序。
  • ​​hue_norm​​：归一化范围（如 (0, 100)）或 Normalize 对象，用于数值型 hue 变量。
  • ​​weights​​：观测值的权重向量，用于计算加权分布。
  • ​​facet_kws​​：传递给 FacetGrid 的参数字典，用于自定义分面子图布局。

​​返回值​​

  • ​​FacetGrid 对象​​：管理多个子图，可通过其方法批量设置坐标轴属性，例如：
g = sns.displot(...)
g.set_axis_labels("X轴", "Y轴")
g.set_titles("分面条件: {col_name}")

​​单变量直方图​​

# sns.load_dataset：加载seaborn内置数据集
tips = sns.load_dataset("tips")#tips:一个统计男性女性每天用餐（午餐lunch和晚餐dinner）消费金额及其所付小费的情况的数据集
tips
查看数据详情 
    total_bill    tip    sex    smoker    day    time    size
0    16.99    1.01    Female    No    Sun    Dinner    2
1    10.34    1.66    Male    No    Sun    Dinner    3
2    21.01    3.50    Male    No    Sun    Dinner    3
3    23.68    3.31    Male    No    Sun    Dinner    2
4    24.59    3.61    Female    No    Sun    Dinner    4
...    ...    ...    ...    ...    ...    ...    ...
239    29.03    5.92    Male    No    Sat    Dinner    3
240    27.18    2.00    Female    Yes    Sat    Dinner    2
241    22.67    2.00    Male    Yes    Sat    Dinner    2
242    17.82    1.75    Male    No    Sat    Dinner    2
243    18.78    3.00    Female    No    Thur    Dinner    2
244 rows × 7 columns

绘图：

sns.displot(data=tips, x="total_bill", kind="hist", bins=20, rug=True)
plt.show()

 双变量核密度估计图​​

sns.displot(data=tips, x="total_bill", y="tip", kind="kde", hue="time")
plt.show()

​​分面核密度估计图

sns.displot(data=tips, x="tip", col="time", kind="kde", hue="sex")
plt.show()

 

注意事项​​

  • ​​数据格式​​：data 为 DataFrame 时，x、y、hue 等参数直接使用列名。
  • ​​ecdf 限制​​：ecdf 仅支持单变量分析，双变量使用时会报错。
  • ​​子图调整​​：通过 height 和 aspect 调整子图尺寸，例如 height=3, aspect=2 生成宽高为 3x6 英寸的子图。

​​底层函数​​

  • displot 是对以下 axes-level 函数的封装：
    • histplot：直方图（可堆叠、归一化）。
    • kdeplot：核密度估计（支持带宽调整）。
    • ecdfplot：经验累积分布函数（显示数据累计比例）。
  • 更多参数（如 bins、kde 的 bw_adjust）需参考对应底层函数的文档。

绘制双变量分布

jointplot（）

jointplot 是 Seaborn 中用于绘制双变量关系及边缘分布的可视化工具，封装了 JointGrid 类的核心功能，适用于快速探索两个变量之间的关系。

​​主要功能​​

  • 绘制 ​​双变量关系图​​（如散点图、回归图、六边形图等）及 ​​单变量边缘分布图​​（直方图、密度图等）。
  • 支持通过 hue 参数引入第三个分类变量进行颜色编码。
  • 提供多种预设绘图类型（kind），简化复杂图形的生成。
jointplot()函数的语法格式如下。
seaborn.jointplot(x, y, data=None,kind='scatter', stat_func=None(新版本已移除), color=None,ratio=5, space=0.2, dropna=True)

参数说明​​

​​数据参数​​

参数 描述
data 输入数据，支持 DataFrame、ndarray、字典或列表等格式。
x, y 数据中的变量名或键，分别对应 x 轴和 y 轴的变量。
hue 分类变量名，用于按颜色分组数据点（需配合 palette 使用）。

​​绘图类型与布局​​

参数 描述
kind 绘图类型，可选："scatter"（默认）、"kde"、"hist"、"hex"、"reg"（回归图）、"resid"（残差图）。
height 图形整体高度（正方形，默认 6 英寸）。
ratio 主图高度与边缘图高度的比例（默认 5:1）。该参数的值越大，则中心图的占比会越大。
space 主图与边缘图之间的间距（默认 0.2）。

​​数据处理与轴限制​​

参数 描述
dropna 是否删除 x 和 y 中的缺失值（默认 False）。
xlim/ylim 手动设置 x/y 轴的范围（例如 (0, 10)）。

​​颜色与样式控制​​

参数 描述
color 单一颜色，当不使用 hue 时指定所有元素的颜色。
palette 调色板名称、列表或字典，用于 hue 变量的颜色映射。
hue_order 指定 hue 变量的类别顺序。
hue_norm 标准化 hue 变量的数值范围（如 (0, 100)）或使用 Normalize 对象。

​​图形细节​​

参数 描述
marginal_ticks 是否在边缘图的坐标轴上显示刻度（默认 False）。
joint_kws 传递给主图函数的额外参数（如 s=50 设置散点大小）。joint_kws={'s':500}
marginal_kws 传递给边缘图函数的额外参数（如 bins=20 调整直方图分箱数）。marginal_kws={'bins':50}
**kwargs 其他参数，优先级高于 joint_kws。

​​返回值​​

  • ​​JointGrid 对象​​：包含主图（ax_joint）、边缘直方图（ax_marg_x, ax_marg_y）等子图对象，支持进一步自定义样式或添加图层。

​​核心特性​​

  1. ​​多类型支持​​：

    • ​​scatter​​：散点图（默认）。
    • ​​kde​​：核密度估计图。
    • ​​hist​​：直方图。
    • ​​hex​​：六边形分箱图（展示数据密度）。
    • ​​reg​​：散点图 + 回归线 + 置信区间。
    • ​​resid​​：残差图（回归分析后使用）。

  2. ​​分类着色​​：

    • 通过 hue 参数引入第三个变量，结合 palette 调色板实现数据分组可视化。

  3. ​​高度可定制​​：

    • 通过 joint_kws 和 marginal_kws 传递参数到底层绘图函数（如 sns.scatterplot 或 sns.histplot）。

散点图kind='scatter'（默认值，可省略）

调用 seaborn.jointplot()函数绘制散点图的示例如下。
# 创建DataFrame对象
dataframe_obj = pd.DataFrame({"x": np.random.randn(500),"y": np.random.randn(500)})
# 绘制散布图
sns.jointplot(x="x", y="y", data=dataframe_obj)
plt.show()
上述示例中，首先创建了一个 DataFrame对象 dataframe_obj作为散点图的数据，其中x轴和y轴的数据均为500个随机数，接着调用 jointplot()函数绘制一个散点图，散点图x轴的名称为“x”，y轴的名称为“y”。
运行结果如图所示:

二维直方图kind='hist'

  • 图形特征​​
    使用 ​​矩形分箱（矩形方块）​​ 显示数据密度，颜色深浅表示每个矩形区域内数据点的数量。
  • ​​适用场景​​
    数据量中等或较大时，直观显示分布密度和边界。

​​示例代码​​：

import seaborn as sns
dataframe = pd.DataFrame({"x": np.random.randn(1000), "y": np.random.randn(1000)})
sns.jointplot(x="x", y="y", data=dataframe, kind="hist", bins=30)
plt.show()

优化：

sns.jointplot(
    x="x", y="y", data=dataframe, kind="hist",
    bins=40,         # 增加分箱数量以提升细节
    cmap="viridis",  # 修改颜色映射
    marginal_kws={"bins": 80}  # 调整边缘直方图分箱
)
plt.show()

六边形分箱图kind='hex'

  • 图形特征​​
    使用 ​​六边形分箱​​ 显示数据密度，颜色深浅表示每个六边形区域内数据点的数量。
  • ​​适用场景​​
    数据量较大时，六边形分箱能更高效地减少视觉碎片化，适合高密度区域的可视化。
当调用 jointplot()函数时，只要传入kind="hex"，就可以绘制二维直方图，具体示例代码如下。
# 创建DataFrame对象
dataframe_obj = pd.DataFrame({"x": np.random.randn(500),"y": np.random.randn(500)})
# 绘制二维直方图
sns.jointplot(x="x", y="y", data=dataframe_obj,kind='hex',gridsize=20
) plt.show()

优化：

sns.jointplot(
    x="x", y="y", data=dataframe, kind="hex",
    gridsize=25,     # 减小六边形尺寸以增加分辨率
    cmap="rocket",   # 修改颜色映射
    marginal_kws={"color": "skyblue"}  # 调整边缘图颜色
)
plt.show()

​​维度​​ kind='hist' kind='hex'
​​分箱形状​​ 矩形 六边形
​​数据量适应性​​ 中小规模数据（如 1k~10k 点） 大规模数据（如 10k+ 点）
​​视觉效果​​ 边界清晰，适合精确分析局部密度 过渡平滑，适合观察整体分布趋势
​​参数控制​​ bins（分箱数量） gridsize（六边形网格大小）
​​颜色映射​​ 颜色块边缘明显 颜色渐变更自然

  • 选择 kind='hist' 的场景​​：

    • 需要精确分析数据分布的局部细节。
    • 数据量适中，希望直观展示分箱数量和密度。

  • ​​选择 kind='hex' 的场景​​：

    • 数据量极大时避免矩形分箱的视觉噪音。
    • 需要更美观、平滑的密度过渡效果。

核密度估计图形kind="kde"

核密度估计等高线图，适合连续分布的平滑可视化。

利用核密度估计同样可以查看二元分布，其用等高线图来表示。 
dataframe=pd.DataFrame({"x":np.random.randn(1000),"y":np.random.randn(1000)})
sns.jointplot(x="x", y="y", data=dataframe, kind="kde")
plt.show()
上述示例中，绘制了核密度的等高线图，另外，在图形的上方和右侧给出了核密度曲线图。
运行结果如图所示。

散点图 + 回归线+置信区间kind='reg'

散点图 + 回归线+置信区间，展示变量间的线性关系。

import seaborn as sns
tips = sns.load_dataset("tips")

# 添加回归线和核密度边缘图
sns.jointplot(data=tips, x="total_bill", y="tip", kind="reg", palette="Set2")
plt.show()

注意事项​​

  • ​​数据预处理​​：使用 dropna=True 可自动过滤缺失值，避免绘图错误。
  • ​​轴限制设置​​：xlim 和 ylim 应在绘图前指定，确保主图与边缘图范围一致。
  • ​​颜色映射冲突​​：若同时指定 color 和 hue，hue 会覆盖 color。

​​相关函数​​

  • ​​JointGrid​​：更灵活的双变量绘图类，支持自定义图层（如添加分布图、注释等）。

通过 jointplot，用户能够快速生成复杂的双变量分析图，适用于数据探索阶段的模式识别和关系验证。

常见问题

  1. 颜色映射失效：

    • hue 仅在部分 kind 类型（如 scatter、kde）中生效，hex 或 hist 类型不支持。

  2. 大数据量性能优化：

    • 使用 kind="hex" 或 kind="kde" 替代散点图，避免渲染过多数据点。

  3. 边际图类型调整：

    • 通过 marginal_kws={"kind": "kde"} 将边际直方图改为密度曲线（需 kind="scatter"）。

高级技巧

多图层叠加：
通过返回的 JointGrid 对象添加额外元素：

g = sns.jointplot(...)
g.plot_joint(sns.kdeplot, alpha=0.5)  # 在主图上叠加KDE
g.ax_joint.set_xlabel("Custom X Label")

保存高清图像：
使用 Matplotlib 接口保存：

g.savefig("jointplot.png", dpi=300, bbox_inches="tight")

seaborn.lmplot()

seaborn.lmplot 是一个用于绘制数据分布和回归模型的强大函数，支持分面分析。

核心功能​​

  • ​​回归分析​​：绘制散点图并拟合回归线（线性、多项式、逻辑回归等）。
  • ​​分面展示​​：通过 hue、col、row 参数，按类别变量分开展示不同子图。

基础语法

import seaborn as sns
sns.lmplot(
    data=df, 
    x='x_column', 
    y='y_column', 
    hue='group', 
    col='facet_column',
    row='facet_row',
    order=2,  # 多项式回归阶数
    ci=95,    # 置信区间
    scatter=True, 
    fit_reg=True
)

常用参数详解​​

​​参数​​ ​​说明​​
data 数据框（DataFrame），需为「整洁数据」格式。
x, y 指定x轴和y轴的列名（字符串）。
hue 按类别变量分组，用不同颜色区分（如性别、地区等）。
col, row 按类别变量分列或分行显示子图（如日期、时段等）。
col_wrap 分面显示时，每行最多展示的子图数量（如 col_wrap=3 表示每行3个子图）。
height 每个子图的高度（默认5英寸）。
aspect 子图宽高比（默认1，宽度=高度×aspect）。
markers 散点样式（如 markers=['o', 's'] 为不同组别设置圆圈和方块）。
order 多项式回归的阶数（如 order=2 拟合二次曲线）。
lowess 是否使用局部加权回归（非线性拟合，lowess=True）。
logistic 是否使用逻辑回归（二分类问题，logistic=True）。
ci 置信区间大小（如 ci=95 表示95%置信区间，设为 None 关闭）。
scatter 是否显示散点图（默认 True）。
fit_reg 是否显示回归线（默认 True）。

​​典型场景示例​​

1. ​​基础回归图​​

tips=sns.load_dataset('tips')
sns.lmplot(x='total_bill', y='tip', data=tips)
plt.xlabel('total_bill')
plt.ylabel('tip')
plt.title('消费金额和所付小费金额关系图')
plt.show()

 

2. ​​按性别分组（颜色区分）

tips=sns.load_dataset('tips')
sns.lmplot(x='total_bill', y='tip', hue='sex', data=tips)
plt.xlabel('total_bill')
plt.ylabel('tip')
plt.title('消费金额和所付小费金额关系图')
plt.show()

 

3.​​分面显示不同日期​

tips=sns.load_dataset('tips')
sns.lmplot(x='total_bill', y='tip', hue='sex', col='day',data=tips,col_wrap=3)
plt.xlabel('total_bill')
plt.ylabel('tip')
plt.show()

 

4.二次多项式拟合​

tips=sns.load_dataset('tips')
sns.lmplot(x='total_bill', y='tip', data=tips, order=5)
plt.xlabel('total_bill')
plt.ylabel('tip')
plt.show()

 

 5.逻辑回归（二分类问题）​

下面绘制的是泰坦尼克号数据里的年龄和是否幸存的数据分布图，并且拟合出了一条分布曲线表示幸存概率随着年龄的变化而变化的情况。

titanic=sns.load_dataset('titanic')
plt.figure(figsize=(20,8))
sns.lmplot(x='age', y='survived', data=titanic, logistic=True,height=8,aspect=2.5)
plt.xlabel('age')
plt.ylabel('survived')
plt.show()

 

高级技巧​

自定义样式​​：通过 scatter_kws 和 line_kws 调整散点和线条样式：

sns.lmplot(
    x='total_bill', y='tip', data=tips,
    scatter_kws={'s': 10, 'color': 'gray'},  # 散点大小和颜色
    line_kws={'lw': 2, 'color': 'red'}       # 回归线粗细和颜色
)

处理分类变量​​：若x为离散值，使用 x_estimator=np.mean 显示每个类别的均值及其置信区间：

sns.lmplot(x='size', y='tip', data=tips, x_estimator=np.mean)

性能优化​​：大数据集时可设置 scatter=False 或 n_boot=100 减少计算时间。

成对的双变量分布

pairplot()

要想在数据集中绘制多个成对的双变量分布，绘制数据集中​​数值型变量​​的两两关系图（散点图、回归图等）则可以使用pairplot()函数实现，该函数会创建一个坐标轴矩阵，并且显示Datafram对象中每对变量的关系。
另外，pairplot()函数也可以在对角轴上绘制每个变量的单变量分布（直方图、核密度图等）。
  • ​​输出形式​​：网格状图表，行和列对应不同变量，支持非方形网格（指定 x_vars 和 y_vars）。
  • ​​高级封装​​：基于 PairGrid 类，适合快速绘图；若需高度定制化，推荐直接使用 PairGrid。

简单案例

接下来，通过 sns.pairplot()函数绘制数据集变量间关系的图形，示例代码如下
# 加载seaborn中的数据集
dataset = sns.load_dataset("iris")
dataset.head()
  sepal_length sepal_width petal_length petal_width species
0 5.1 3.5 1.4 0.2 setosa
1 4.9 3.0 1.4 0.2 setosa
2 4.7 3.2 1.3 0.2 virginica
3 4.6 3.1 1.5 0.2 virginica
4 5.0 3.6 1.4 0.2 setosa
上述示例中，通过 load_dataset0函数加载了seaborn中内置的数据集iris（鸢尾花数据集：花瓣的长宽、花萼长宽、品种数据），根据iris数据集绘制多个双变量分布。
# 绘制多个成对的双变量分布
sns.pairplot(dataset)
结果如下图所示。

核心参数​​

参数 说明
​​data​​ 必需，Pandas DataFrame 格式，列名为变量名，行代表观测值。
​​hue​​ 按指定列（分类变量）分组，用不同颜色区分。
​​palette​​ 调色板名称、列表或字典，定义 hue 分组的颜色映射。
​​vars​​ 指定要分析的变量列表（默认使用所有数值型列）。
​​x_vars / y_vars​​ 分别指定行和列的变量，生成非对称网格。
​​kind​​ 非对角线图类型：'scatter'（默认）、'kde'、'hist'、'reg'。
​​diag_kind​​ 对角线图类型：'auto'（自动选择）、'hist'、'kde' 或 None。
​​height​​ 每个子图的高度（英寸），默认 2.5。
​​aspect​​ 子图宽度 = 高度 × aspect，默认 1（方形）。
​​corner​​ 若为 True，仅显示下三角网格（避免重复绘图）。
​​dropna​​ 是否删除含缺失值的数据，默认 False。
补充案例：
按照花的品种分类，以颜色区分展示,按 species 列分组着色，使用 'Set2' 调色板：
sns.pairplot(data,hue='species',palette='Set2')
plt.show()

只绘制指定变量之间的关系，并且指定绘制图形的类型和宽高，
sns.pairplot(data,hue='species',vars=['sepal_length', 'sepal_width'],kind='reg',diag_kind='kde',height=5,aspect=2)
plt.show()

非对称网格:

  • 行变量为 ['age', 'income']，列变量为 ['score', 'rating']。
sns.pairplot(df, x_vars=['age', 'income'], y_vars=['score', 'rating'])

注意事项​​

  • ​​数据类型​​：仅分析数值型列，忽略非数值列（如分类文本）。
  • ​​缺失值​​：若 dropna=True，删除含缺失值的行；否则绘图时忽略缺失值。
  • ​​性能​​：变量过多时图表网格会急剧增大，建议先筛选关键变量。
  • ​​扩展性​​：通过 plot_kws、diag_kws 传递字典参数，定制子图样式：
sns.pairplot(data,vars=['sepal_length', 'sepal_width'],plot_kws={'alpha':0.5}, diag_kws={'edgecolor':'black'})
plt.show()

输出对象​​

返回 PairGrid 对象，可通过 .map() 或 .map_upper() 等方法进一步添加图层：

g = sns.pairplot(df)
g.map_upper(sns.kdeplot)  # 在上三角区域添加核密度图

分类数据绘图

数据集中的数据类型有很多种，除了连续的特征变量之外，最常见的就是类别型的数据了，比如人的性别、学历、爱好等，这些数据类型都不能用连续的变量来表示，而是用分类的数据来表示。
Seaborn针对分类数据提供了专门的可视化函数，这些函数大致可以分为如下三种:
  • 分类数据散点图: stripplot()与 swarmplot()。
  • 分类数据的分布图: boxplot() 与 violinplot()。
  • 分类数据的统计估算图:barplot() 与 pointplot()。
下面两节将针对分类数据可绘制的图形进行简单介绍，具体内容如下

分类数据散点图

stripplot()

通过 stripplot()函数可以画一个散点图， stripplot（）函数的语法格式如下。 
seaborn.stripplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, jitter=False)
上述函数中常用参数的含义如下

(1) x，y，hue：用于绘制长格式数据的输入。

(2) data：用于绘制的数据集。如果x和y不存在，则它将作为宽格式，否则将作为长格式。

(3) jitter：表示抖动的程度(仅沿类別轴)。当很多数据点重叠时，可以指定抖动的数量或者设为True。注意，jitter默认就是true。

为了让大家更好地理解，接下来，通过 stripplot()函数绘制一个散点图，示例代码如下。 
# 获取tips数据
tips = sns.load_dataset("tips")
sns.stripplot(x="day", y="total_bill", data=tips,jitter=False)#关闭抖动
运行结果如下图所示。
 
 
从上图中可以看出，图表中的横坐标是分类的数据，而且一些数据点会互相重叠，不易于观察。为了解决这个问题，可以在调用striplot()函数时传入jitter参数=True，以调整横坐标的位置，改后的示例代码如下。
sns.stripplot(x="day", y="total_bill", data=tips, jitter=True)#打开抖动
运行结果如下图所示。
 

 swarmplot()

除此之外，还可调用 swarmplot（）函数绘制散点图，该函数的好处是所有的数据点都不会重叠，可以很清晰地观察到数据的分布情况，示例代码如下。
  
sns.swarmplot(x="day", y="total_bill", data=tips)
plt.show()

分类数据的分布图（类别内分布）

要想查看各个分类中的数据分布，显而易见，散点图是不满足需求的，原因是它不够直观。针对这种情况，我们可以绘制如下两种图形进行查看:
箱形图:
箱形图（Box-plot）又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。
箱形图于1977年由美国著名统计学家约翰·图基（John Tukey）发明。它能显示出一组数据的最大值、最小值、中位数、及上下四分位数。
 

小提琴图:
小提琴图 (Violin Plot) 用于显示数据分布及其概率密度。
这种图表结合了箱形图和密度图的特征，主要用来显示数据的分布形状。
中间的黑色粗条表示四分位数范围，从其延伸的幼细黑线代表 95% 置信区间，而白点则为中位数。
箱形图在数据显示方面受到限制，简单的设计往往隐藏了有关数据分布的重要细节。例如使用箱形图时，我们不能了解数据分布。
虽然小提琴图可以显示更多详情，但它们也可能包含较多干扰信息。

接下来，针对 Seaborn库中箱形图和提琴图的绘制进行简单的介绍。

箱形图boxplot()

seaborn中用于绘制箱形图的函数为 boxplot()，其语法格式如下:
seaborn.boxplot(x=None, y=None, hue=None, data=None, orient=None, color=None, saturation=0.75, width=0.8)
常用参数的含义如下:
(1) palette：用于设置不同级别色相的颜色变量。---- palette=["r","g","b","y"]
(2) saturation：用于设置数据显示的颜色饱和度。---- 使用小数表示
使用 boxplot()函数绘制箱形图的具体示例如下。 
tips=sns.load_dataset('tips')
sns.boxplot(x='day',y='total_bill',data=tips)
plt.show()
上述示例中，使用 seaborn中内置的数据集tips绘制了一个箱形图，图中x轴的名称为day，其刻度范围是 Thur~Sun(周四至周日)，y轴的名称为total_bill，刻度范围为10-50左右
运行结果如图所示。
从图中可以看出:
Thur列大部分数据都小于30，不过有5个大于30的异常值，
Fri列中大部分数据都小于30，只有一个异常值大于40，
Sat一列中有3个大于40的异常值，
Sun列中有两个大于40的异常值

提琴图violinplot()

seaborn中用于绘制提琴图的函数为violinplot()，其语法格式如下
seaborn.violinplot(x=None, y=None, hue=None, data=None)
通过violinplot()函数绘制提琴图的示例代码如下
tips=sns.load_dataset('tips')
sns.violinplot(x='day',y='total_bill',data=tips)
plt.show()
上述示例中，使用seaborn中内置的数据集绘制了一个提琴图，图中x轴的名称为day，y轴的名称为total_bill
运行结果如图所示。
从图中可以看出:
Thur一列中位于5~25之间的数值较多，
Fri列中位于5-30之间的较多，
Sat-列中位于5-35之间的数值较多，
Sun一列中位于5-40之间的数值较多。

分类数据的统计估算图

要想查看每个分类的集中趋势，则可以使用条形图和点图进行展示。 Seaborn库中用于绘制这两种图表的具体函数如下:
  • barplot()函数：绘制条形图。
  • pointplot()函数：绘制点图。
这些函数的API与上面那些函数都是一样的，这里只讲解函数的应用，不再过多对函数的语法进行讲解了。

条形图barplot()

最常用的查看集中趋势的图形就是条形图。默认情况下， barplot函数会在整个数据集上使用均值进行估计。若每个类别中有多个类别时(使用了hue参数)，则条形图可以使用引导来计算估计的置信区间(是指由样本统计量所构造的总体参数的估计区间)，并使用误差条来表示置信区间。
使用 barplot()函数的示例如下
tips=sns.load_dataset('tips')
sns.barplot(x='day',y='total_bill',data=tips)
plt.show()
运行结果如图所示。

点图 pointplot()

另外一种用于估计的图形是点图，可以调用 pointplot()函数进行绘制，该函数会用高度低计值对数据进行描述，而不是显示完整的条形，它只会绘制点估计和置信区间。
通过 pointplot()函数绘制点图的示例如下。
tips=sns.load_dataset('tips')
sns.pointplot(x='day',y='total_bill',data=tips)
plt.show()
运行结果如图所示。

分类数据统计图

 

Seaborn.countplot()

应用场景：

快速分析样本数据分布是否均匀：

import pandas as pd
# 获取数据
data=pd.read_csv(r"D:\learn\000人工智能数据大全\经典数据集\奥托集团产品分类挑战赛\train.csv")
data.head()
#查看数据分布是否均匀
import seaborn as sns
import matplotlib.pyplot as plt
sns.countplot(data,x='target',hue='target')
plt.show()

 

从上图很容易看出，各类数据分布明显不均匀，需要进行数据处理。

功能概述​​

countplot 是一种​​分类数据统计图​​，用条形图（bar plot）展示每个类别的观测值数量。本质上是分类变量的直方图：

  • 替代简单直方图（适用于分类变量）
  • 支持嵌套变量（使用 hue 参数分组）
  • 统计类型灵活（计数、百分比、概率等）

核心参数详解​​

参数 说明 示例
​​数据输入​​    
data 数据集（DataFrame/数组等） data=titanic_df
x/y 指定横轴/纵轴变量（二选一） x="class", y="age"
hue 次级分组变量（嵌套分类） hue="sex"
​​排序控制​​    
order 主分类顺序 order=["A","B","C"]
hue_order 分组顺序 hue_order=["Male","Female"]
​​图表样式​​    
orient 方向（自动推断） orient="h"（水平）
color 统一颜色 color="skyblue"
palette 分组配色 palette="viridis"
saturation 颜色饱和度 saturation=0.9
width 条形宽度 width=0.6
dodge 分组条形防重叠 dodge=True
​​统计计算​​    
stat 统计量类型<br>'count'（默认）<br>'percent'（百分比）<br>'proportion'（比例） stat="percent"
log_scale 对数坐标轴 log_scale=True
​​高级特性​​    
native_scale 保留原生刻度（数值/日期） native_scale=True
formatter 分类标签格式化函数 formatter=lambda x: x.upper()
legend 图例控制 legend="brief"
ax 目标坐标轴 ax=plt.gca()

​​常用场景示例​

​​1. 基础垂直条形图（计数）​

data=sns.load_dataset("tips")
sns.countplot(data,x=data['day'])
plt.show()
 
2. 水平条形图 + 百分比统计​
sns.countplot(data,y=data['day'])
 
 
 3. 嵌套分组（hue参数）​
  
sns.set()
data=sns.load_dataset("tips")
sns.countplot(data,x='day',hue='smoker',dodge=True ) # 分离条形
plt.show()

4. 自定义顺序与配色​
 
order = ["Lunch", "Dinner"]
hue_order = ["Male", "Female"]
palette = {"Male": "#2ca02c", "Female": "#d62728"}

sns.countplot(
    data=tips_df,
    x="time",
    hue="sex",
    order=order,
    hue_order=hue_order,
    palette=palette
)
5. 对数坐标轴（大范围数据）​
 
sns.countplot(
    data=population_df, 
    x="country",
    log_scale=True  # Y轴对数刻度
)

重要注意事项​​

  1. ​​数据类型​​：

    • 默认将非数值变量视为分类数据
    • 数值型变量需设置 native_scale=True 保持原刻度

  2. ​​与histplot区别​​：

    • histplot：适合数值分布 + 堆叠/直方图模式
    • countplot：专用分类计数 + 简洁API

  3. ​​扩展应用​​：
    结合 catplot 分面绘图：

sns.catplot(
    data=data,
    x="day",
    hue="smoker",
    col="sex",
    kind="count"
)
 
 
 
posted @ 2025-04-25 21:09  指尖下的世界  阅读(77)  评论(0)    收藏  举报