如果曾经在Python中使用过线图,条形图等图形,那么一定已经遇到了名为matplotlib的库。
尽管matplotlib库非常复杂,但绘图并没有那么精细,也不是任何人发布的首选。这是seaborn出现的地方。
Seaborn是基于matplotlib的Python数据可视化库。它提供了一个高级界面,用于绘制引人入胜且内容丰富的统计图形。
该库是可视化的下一步。只需一个命令就可以绘制漂亮的图,甚至可以制作多个图。开始探索seaborn。随附的GitHub存储库如下:
https://github.com/kb22/Understanding-Seaborn?source=post_page-----4951b89a0c07----------------------
汇入资料
为了了解各种地块,从Kaggle选择了一个有关“ 加州住房价格”的数据集。因此,第一步是导入pandas允许读取CSV文件的库,然后使用来打印行数,列名和前5行head(5)。
https://www.kaggle.com/camnugent/california-housing-prices
import pandas as pd
dataset = pd.read_csv("dataset.csv")
print("Dataset: {}".format(dataset.shape))
print("Columns: {}".format(dataset.columns))
dataset.head(5)
## Output
# Dataset: (20640, 10)
# Columns: Index(['longitude', 'latitude', 'housing_median_age', 'total_rooms',
# 'total_bedrooms', 'population', 'households', 'median_income',
# 'median_house_value', 'ocean_proximity'],
# dtype='object')
数据集有20640行和10列,其名称在上面的要点中进行了描述。还看看前5行是什么样子。
数据集
Seaborn
从导入开始matplotlib。请注意,使用的是matplotlib版本3.0.3,而不是最新版本,因为存在一个会破坏热图并使其无效的错误。然后,导入了seaborn。最后,为了确保Jupyter中的图显示在笔记本中,使用命令%matplotlib inline。
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
开始探索情节!
散点图
当想要显示两个要素或一个要素与标签之间的关系时,散点图很有用。这非常有用,因为还可以描述每个数据点的大小,为它们涂上不同的颜色并使用不同的标记。看看seaborn的基本命令是做什么的。
sns.scatterplot(x = 'total_rooms', y = 'total_bedrooms', data = dataset)
Seaborn的散点图
上图描述了total_rooms和之间的关系total_bedrooms。只需执行一个命令即可完成所有工作,但要等待,还有更多。
使用figsize,我将尺寸增加到12x8。然后,将scatterplot命令更新为每个数据点的大小基于median_house_value,颜色使用hue基于ocean_proximity和标记使用style基于基于ocean_proximity。另外,如果没有适当的标题和轴标签,则绘图是不完整的,因此也添加了它们。
plt.figure(figsize = (12, 8))
sns.scatterplot(data = dataset,
x = 'total_rooms',
y = 'total_bedrooms',
hue = 'ocean_proximity',
style = 'ocean_proximity')
plt.title("California Rooms vs Bedrooms")
plt.xlabel("Total rooms")
plt.ylabel("Total bedrooms")
使用Seaborn更新了散点图
如您所见,此图看起来比以前的图好很多,并且还包含一个不错的图例,因此任何人都可以看到和理解该图-应当是这样。
计数图
计数图根据某个类别列自动对数据点进行计数,并将数据显示为条形图。这在分类问题中非常有用,在分类问题中,要查看各种类的大小是否相同。但是,由于这不是分类数据,并且只有一个分类列,因此决定使用它。
seaborn中的地块也可以text使用来添加到每个条annotate。在仔细查看数据集时,发现缺少许多元数据信息。例如,该列具有尚未在任何地方描述ocean_proximity的值<1H OCEAN。人们应该始终收集元数据信息,并使用具有适当信息的数据集。由于这只是用于理解图的参考数据集,因此没什么大不了的。
plt.figure(figsize = (12, 8))
ocean_plot = sns.countplot(x = 'ocean_proximity', data = dataset)
for p in ocean_plot.patches:
ocean_plot.annotate(p.get_height(),
(p.get_x() + p.get_width() / 2.0,
p.get_height()),
ha = 'center'x,
va = 'center',
xytext = (0, 5),
textcoords = 'offset points')
plt.title("Count of houses based on their proximity to ocean")
plt.xlabel("Proximity to the ocean")
plt.ylabel("Count of houses")
使用seaborn计数地块
在上图中,可以看到该列的数据高度不对称。带有条形文字非常有用,因为ISLAND仅通过查看绘图,最后一个类型看起来就好像是零值。
直方图
直方图是显示连续数据点并查看其分布方式的有效方法。可以看到,大多数值位于较低端,较高端或均匀分布。
dist在seaborn情节既产生的直方图,以及基于所述数据图的密度线。定义了总共10个垃圾箱,以便将整个垃圾箱median_house_value分配到10个不同的存储桶中。
plt.figure(figsize = (12, 8))
sns.distplot(a = dataset['median_house_value'], bins = 10, hist = True)
plt.title("Density and histogram plot for Median house value")
plt.xlabel("Median house value")
plt.ylabel("Value")
直方图的直方图(具有密度)
该分布似乎很正常,较高端略有尖峰。上图中的蓝线定义了密度的分布。
小提琴图
在与seaborn合作之前,经常在各种文章中看到这些看起来很怪异的情节,并且想知道它们是什么。然后了解了它们,发现它们是小提琴图,与箱形图非常相似,并根据密度描绘了宽度以反映数据分布。在Seaborn中,创建小提琴图只是一个命令。
plt.figure(figsize = (12, 8))
sns.violinplot(x = 'ocean_proximity', y = 'median_house_value', data = dataset)
plt.title("Box plots of house values based on ocean proximity")
plt.xlabel("Ocean proximity")
plt.ylabel("Median house value")
Seaborn小提琴情节
在继续进行之前,看看如何理解这些图。考虑一下绿色情节INLAND。从零延伸到大约250000的黑线是95%的置信区间。内部的黑色粗块是四分位间距,表示所有数据中约有50%位于该范围内。图的宽度基于数据的密度。可以将其理解为该特定数据集的直方图,其中黑线是x轴,完全平滑并旋转了90度。
热图
相关矩阵可帮助了解所有功能和标签如何相互关联以及相关程度。该pandas数据框中有一个调用的函数corr()生成相关矩阵,当把它输入到seaborn热图,得到了一个美丽的热图。设置annot为True可确保相关性也用数字定义。
plt.figure(figsize = (12, 8))
sns.heatmap(dataset.corr(), annot = True)
Seaborn的热图
尽管整个图很有用,但可以从查看最后一列开始,并注意每个功能可能如何与标签相关联median_house_value。median_income与标签最相关,值为0.69。
联合图
联合图是要绘制的两个要素的散布图与密度图(直方图)的组合。seaborn的联合图甚至可以使用kindas 甚至单独绘制线性回归reg。使用heightas 8和color 定义了正方形尺寸green。
sns.jointplot(x = "total_rooms", y = "total_bedrooms", data=dataset, kind="reg", height = 8, color = 'g')
plt.xlabel("Total rooms")
plt.ylabel("Total bedrooms")
Seaborn的联合地块
绿线描绘了基于数据点的线性回归。
带群图的箱形图
箱形图将信息显示在单独的四分位数和中位数中。与swarm图重叠时,数据点会分布在其位置上,因此根本不会重叠。
plt.figure(figsize = (12, 8))
sns.boxplot(x = 'ocean_proximity', y = 'median_house_value', data = dataset)
sns.swarmplot(x = 'ocean_proximity', y = 'median_house_value', data = dataset)
plt.title("Box plots of house values based on ocean proximity")
plt.xlabel("Ocean proximity")
plt.ylabel("Median house value")
Seaborn的箱形图(和群图)
从上面的污点中,可以看到如何对中的五个类别分别描述箱形图ocean_proximity。数据点揭示了数据如何分布。
对图
该对图会在每对特征和标签之间产生大量的图集。对于特征/标签的每种组合,此图均显示一个散点图,对于其自身的每种组合,均显示一个直方图。绘图本身对于获取手边的数据的本质非常有用。
sns.pairplot(dataset)
Seaborn的情节图
上图包含大量信息,而且仅需一条命令即可获得。
扫码关注腾讯云开发者
领取腾讯云代金券
Copyright © 2013 - 2025 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号:粤B2-20090059 深公网安备号 44030502008569
腾讯云计算(北京)有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287
Copyright © 2013 - 2025 Tencent Cloud.
All Rights Reserved. 腾讯云 版权所有