seaborn_visualization

New package for data visualization. This package is base on the matplotlib, numpy, scipy , and pandas. The shining point is that this package is easier for people to create a beautiful picture for your dataset, this is essential for the data science. So let’s get it. This is the official URL: http://seaborn.pydata.org/
You can turn to there for help.

目录

• 可视化统计关系

• 绘制分类数据

• 数据分布

• 双变量分布

Step0：什么是seaborn

• Seaborn是基于matplotlib的图形可视化python包。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。
• Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充，而不是替代物。同时它能高度兼容numpy与pandas数据结构以及scipy与statsmodels等统计模式。
• seaborn 有五种风格，分别为”darkgrid”, “whitegrid”, “dark”, “white”, “ticks”

Step1: 数据来源

https://datahack.analyticsvidhya.com/contest/wns-analytics-hackathon-2018-1/
https://datahack.analyticsvidhya.com/contest/enigma-codefest-machine-learning-1/

这是从相关的数据科学竞赛网站上下载的数据，需要先注册并且参加竞赛才能下载数据。

Step2: 准备工作

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

### 导入package和依赖包
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
from scipy import stats


# 导入数据，探索数据，了解数据
data1 = pd.read_csv(r'./data/hr.csv')
# data1.head()
# data1.describe()
# data1.columns
"""
da.columns
Out[6]: 
Index(['employee_id', 'department', 'region', 'education', 'gender',
       'recruitment_channel', 'no_of_trainings', 'age', 'previous_year_rating',
       'length_of_service', 'KPIs_met >80%', 'awards_won?',
       'avg_training_score', 'is_promoted'],
      dtype='object')
"""


# seaborn使用测试
test = sns.relplot(x="Views", y="Upvotes", data = data2)  # sns.relplot()作图

test.savefig('test.png')  # 保存图片，通用操作
plt.show()  # 展示图片

1. 可视化统计关系

包括以下内容：

• Scatter plot (散点图)
• SNS.relplot
• Hue plot (Hue图)

数据：

1. 散点图

   1 2 3 4 5 6

   # 开始使用seaborn scatters = sns.relplot(x='Views', y='Upvotes', data=data2) plt.title('scatters with seaborn') scatters.savefig('scatters.png') plt.show()

图片输出：

relplot的参数：

• relplot(x=None, y=None, hue=None, size=None, style=None, data=None, row=None, col=None, col_wrap=None, row_order=None, col_order=None, palette=None, hue_order=None, hue_norm=None, sizes=None, size_order=None, size_norm=None, markers=None, dashes=None, style_order=None, legend=’brief’, kind=’scatter’, height=5, aspect=1, facet_kws=None, **kwargs)

SNS.relplot是来自SNS类的relplot函数，SNS类是我们在上面与其他依赖项一起导入的一个seaborn类。
这里，参数是x、y，数据有在X,Y轴上表示的变量和我们要分别画出来的数据点，通过图片，我们发现了views和upvotes之间的关系。

2. 展示标签

   1 2	scatters = sns.relplot(x='Views', y='Upvotes', hue='Tag', data=data2) # 增加hue（色调），可以展示标签

图片输出：

3. Hue图

   我们可以在色调(Hue)的帮助下在我们的图片中添加另一个维度，即在二维的基础上通过颜色来添加其他信息，通过为点赋予颜色来实现，每种颜色都有一些附加的意义。

   1	scatters = sns.relplot(x='Views', y='Upvotes', hue='Answers', data=data2)

图片输出：

4. size标签

   1	scatters = sns.relplot(x='Views', y='Upvotes', hue='Answers', data=data2)

图片输出：

2. 绘制分类数据

包括以下内容：

• 抖动图
• Hue图
• 箱线图
• 小提琴图
• Pointplot

数据：

1. 抖动图

   1	shake = sns.catplot(x="education", y="avg_training_score", jitter = True, data=df2)

图片输出：

改动jitter参数为False，可见下图：

2. hue引入另一个维度

   1	shake = sns.catplot(x="education", y="avg_training_score", hue='gender', data=df2)

引入了性别参数，可以看出数据中的性别差异

图片输出：

可以引入kind中的swarm参数，展示效果如下：

3. 箱线图

   1	shake = sns.catplot(x="education", y="avg_training_score", hue='gender', kind='box', data=df2)

图片输出：

箱线图（Boxplot）也称箱须图（Box-whisker Plot），是利用数据中的五个统计量：最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法，它也可以粗略地看出数据是否具有有对称性，分布的分散程度等信息，特别可以用于对几个样本的比较。

3. 小提琴图

   1	shake = sns.catplot(x="education", y="avg_training_score", hue='gender', kind='violin', data=df2)

图片输出：

小提琴图结合了箱线图和核密度估计程序，以提供更丰富的值分布描述。四分位数值显示在小提琴内部。当色调语义参数是二值时，我们还可以拆分小提琴，这也可能有助于节省绘图空间。

增加划分功能

1

shake = sns.catplot(x="education", y="avg_training_score", hue='gender', kind='violin',split = True, data=data1)

图片输出：

4. bar 结合 box

   1	shake = sns.catplot(x="education", y="avg_training_score", hue='gender', kind='bar', data=data1)

图片输出：

5. point图

   1	shake = sns.catplot(x="education", y="avg_training_score", hue='gender', kind='point', data=data1)

图片输出：

3. 数据分布

1. 数据分布图

   1 2	tr = sns.distplot(data1.length_of_service) # tr = sns.distplot(data1.age)

通过displot()方法可以了解数据集的分布情况，也是一个不错的工具。

图片输出：

2. 数据直方图

   1	tr = sns.distplot(data1.length_of_service, kde=False, rug = True)

图片输出：

下面展示的转录组数据的分布

由此可以看出绝大部分的转录本都分布在1000bp左右，超过10000bp的转录本只有几个。

4. 双变量分布

包括以下内容：

• Hex图
• KDE 图
• Boxen 图
• Ridge 图 (Joy图)

1. joinplot()默认为scatter

   1	sns.jointplot(x="avg_training_score", y="age", data=data1, color='r', alpha = 0.2, kind='hex')

图片输出：

如果有时候要展示两个变量之间的关系，同时又想展示单个变量的分布时，可以用这种展示方法

2. 直方图hex

   1	sns.jointplot(x="age", kind='hex', y="avg_training_score", data=data1, color='b')

图片输出：

3. KDE

   1	sns.jointplot(x="age", kind='kde', y="avg_training_score", data=data1, color='b')

图片输出：

4. heatmap()

   1 2 3 4 5 6

   corrmat = data1.corr() f, ax = plt.subplots(figsize=(9, 6)) # figsize参数可以指定图片大小比例 sns.heatmap(corrmat, vmax=.8, square=True) plt.savefig('./img/heatmap.png', dpi=1080) # dpi参数能够指定图片质量（像素）

dpi参数能够指定图片质量（像素） figsize参数可以指定图片大小比例

图片输出：

heatmap中，每一个变量都是一种颜色，方便区分。

5. boxen图 catplot()

   1	sns.catplot(x="age", y="avg_training_score", data=data1, kind="boxen",height=4, aspect=2.7, hue = "is_promoted")

图片输出：

结语

这一篇博客介绍了很多seaborn画图的图标，接下来需要做的就是在实际工作生活中应用这些画图的方式，并且可以尝试着更多的其他类型的图片，充分展示数据。继续学习！！！