seaborn 模塊

簡(jiǎn)述

對(duì)matplotlib 模塊進(jìn)行了二次封裝, 底層依舊使用還是matplotlib 的, 但是在此基礎(chǔ)上增加了很多的易用性模板, 更加方便使用

引用使用

import seaborn as sns

對(duì)比 matplotlib 默認(rèn)風(fēng)格

默認(rèn)風(fēng)格的方法 - set

主題風(fēng)格

設(shè)置風(fēng)格 -set_style

可選參數(shù)

darkgrid
whitegrid
dark
white
ticks

white 風(fēng)格

完全的清亮背景色, 無刻線, 無刻度尺

drak 風(fēng)格

背景色深灰, 無刻線, 無刻度尺

whitegrid 風(fēng)格

帶有 y軸 數(shù)據(jù)刻線, 背景清亮

ticks 風(fēng)格

帶有刻度尺

darkgrid 風(fēng)格

帶有x, y 刻線, 且背景深灰, 無刻度尺

批量執(zhí)行風(fēng)格 - axes_style

在縮進(jìn)內(nèi)的都可以套用此風(fēng)格, 在畫子圖的時(shí)候使用此方法設(shè)定不同的風(fēng)格可以更直觀的看出差異,方便觀察

自定義風(fēng)格修改

默認(rèn)的主題風(fēng)格是比較固定的, 可以在此基礎(chǔ)上進(jìn)行一定的修改滿足自定制

修改邊界線 - despine

去掉上面和右邊的線,

可設(shè)置參數(shù)offset設(shè)置 數(shù)值與坐標(biāo)軸線的距離

可設(shè)置參數(shù)left 去除左右的邊界線， 其他方位可選是, top ,bottom,right

修改布局 -set_context

可選風(fēng)格

paper
talk
poster
notebook

大小從小到大, 里面的格子可以看得出來哦

可選參數(shù) font_scale 設(shè)定字體大小

可選參數(shù)rc 設(shè)定線的粗細(xì)

調(diào)色板

調(diào)色板 - 離散型

顏色很重要 - 用于展示數(shù)據(jù)更直觀的體現(xiàn), 顏色區(qū)分展示是很舒適的
color_palette()能傳入任何Matplotlib所支持的顏色
color_palette() 不寫參數(shù)則默認(rèn)顏色
set_palette() 設(shè)置所有圖的顏色

默認(rèn)色板 - color_palette

6個(gè)默認(rèn)的顏色循環(huán)主題： deep, muted, pastel, bright, dark,colorblind

畫板 - hls 空間

當(dāng)你有六個(gè)以上的分類要區(qū)分時(shí)，最簡(jiǎn)單的方法就是在一個(gè)圓形的顏色空間中畫出均勻間隔的顏色(這樣的色調(diào)會(huì)保持亮度和飽和度不變)。

這是大多數(shù)的當(dāng)他們需要使用比當(dāng)前默認(rèn)顏色循環(huán)中設(shè)置的顏色更多時(shí)的默認(rèn)方案。

最常用的方法是使用hls 的顏色空間，這是RGB值的一個(gè)簡(jiǎn)單轉(zhuǎn)換。

使用方法具體就是輸入一個(gè)數(shù)字, 則輸出多少顏色,hls 畫板適合快速的生成多色畫板

畫板 - Paired 空間

Paired 適用于成對(duì)出現(xiàn)的色板排列. 用于某些數(shù)據(jù)對(duì)更加直觀方便

飽和度, 亮度 - hls_palette

hls_palette 函數(shù)來控制顏色的亮度和飽和

l - 亮度 lightness
s - 飽和 saturation

指定顏色 - xkcd

指定特定顏色的時(shí)候使用xkcd_rgb 函數(shù)可實(shí)現(xiàn) , 傳入?yún)?shù)為鍵值形式取值, 可對(duì)顏色類型和深淺進(jìn)行特化

xkcd包含了一套眾包努力的針對(duì)隨機(jī)RGB色的命名。產(chǎn)生了954個(gè)可以隨時(shí)通過xdcd_rgb字典中調(diào)用的命名顏色。

調(diào)色板 - 連續(xù)型

連續(xù)型色板用于相同色系的深淺度進(jìn)行漸變處理

默認(rèn)是由淺到深的漸變, 翻轉(zhuǎn)則在選取顏色后加_r 進(jìn)行翻轉(zhuǎn)

畫板 -cubehelix_palette

色調(diào)線性變換 ，可以使用color_palette 傳參"cubehelix" 或者直接使用cubehelix_palette 函數(shù)

推薦后者， 后者可以傳遞更多的參數(shù)以及自動(dòng)提示更方便

顏色區(qū)間 - start，rot

cubehelix_palette 函數(shù)的可選參數(shù)start，rot 控制顏色區(qū)間

指定深淺 -light_palette，dark_palette

簡(jiǎn)單示例

變量分析

單變量分析

數(shù)據(jù)范式，基礎(chǔ)準(zhǔn)備

直方圖 - distplot

也可以指定bins 的大小， 更細(xì)化的展示數(shù)據(jù)

加入fit 展示統(tǒng)計(jì)指標(biāo)

分布散點(diǎn)圖 -stripplot

stripplot 函數(shù)創(chuàng)建散點(diǎn)圖展示單變量數(shù)據(jù)量

但是數(shù)據(jù)過大出現(xiàn)的重疊會(huì)導(dǎo)致堆積造成連線成面等現(xiàn)象無法正確觀察

重疊處理 - 偏移 jitter

設(shè)置jitter 可以使數(shù)據(jù)偏移左右位置散開展示, 但是看起來還是不太直觀

分簇散點(diǎn)圖- swarmplot

swarmplot 創(chuàng)建的散點(diǎn)圖則徹底將數(shù)據(jù)散開呈現(xiàn)圣誕樹結(jié)構(gòu), 更加清晰的展示

盒型圖 -boxplot

盒型圖概念

IQR即統(tǒng)計(jì)學(xué)概念四分位距，第1/4分位 與 第3/4之間的距離
N = 1.5IQR 如果一個(gè)值>Q3+N或　<　Ｑ1-N,則為離群點(diǎn)

小提琴圖 -violinplot

多變量體現(xiàn)的時(shí)候小提琴圖默認(rèn)是區(qū)分的, 如上圖的吃晚餐和吃午餐的在周一到周五之間的關(guān)系上就是分為兩色分別展示

如果想更直觀的展示一天中 午餐顧客數(shù)量和晚餐顧客數(shù)量的對(duì)比. 則可以加入split參數(shù), 如下圖的 每天吃飯男女的關(guān)系

組合圖

圖之間是可以組合的. 比如如下的小提琴圖和分簇散點(diǎn)圖的組合, 小提琴設(shè)置inner=None 表示去除中間的顯示

alpha 則設(shè)置透明度

條形圖 -barplot

下圖展示的是泰坦尼克號(hào)中不同性別. 不同船艙等級(jí)情況下的獲救幾率

多變量分析

數(shù)據(jù)范式準(zhǔn)備

根據(jù)均值和協(xié)方差生成數(shù)據(jù)

綜合散點(diǎn)圖 - jointplot

觀測(cè)兩個(gè)變量之間的分布關(guān)系最好用散點(diǎn)圖 ，利用jointplot 建立散點(diǎn)圖且自動(dòng)創(chuàng)建配合直方圖

重疊處理 - 蜂巢圖

散點(diǎn)圖在大量數(shù)據(jù)的時(shí)候點(diǎn)會(huì)堆疊導(dǎo)致無法觀察， 因此可使用 hex 圖這樣對(duì)重復(fù)數(shù)據(jù)點(diǎn)會(huì)有深淺變化

在jointplot 中指定可選參數(shù)kind 為 hex 即可

讀取數(shù)據(jù)集 -load_dataset

讀取數(shù)據(jù)集load_dataset 函數(shù)，示例使用內(nèi)置的鳶尾花數(shù)據(jù)集， （有4個(gè)特征的數(shù)據(jù)集）

矩陣散點(diǎn)圖 - pairplot

在使用pairplot 函數(shù)讀取即可所有特質(zhì)之間的 兩兩對(duì)應(yīng)關(guān)系

因此不再需要手動(dòng)執(zhí)行循環(huán)建立子圖較為繁瑣的方式去處理

由下圖可見， 4個(gè)特征的兩兩對(duì)應(yīng)關(guān)系， 對(duì)角線表示是相同特征的對(duì)比， 因此單特征展現(xiàn)為直方圖， 其他為散點(diǎn)圖

回歸分析

數(shù)據(jù)范式準(zhǔn)備

內(nèi)置的 tips 數(shù)據(jù)樣本, 顧客的一系列特征與愿意出多少小費(fèi)的關(guān)聯(lián)

回歸圖 - regplot

regplot() 和lmplot() 都可以繪制回歸關(guān)系,推薦regplot()

傳入?yún)?shù)必選x,y,data,分別表示 x 軸, y 軸, 以及樣本數(shù)據(jù)

繪制出的圖形可以大體戰(zhàn)術(shù)出 全部小費(fèi)金額和小費(fèi)之間的線性關(guān)系以及數(shù)據(jù)分布的散點(diǎn)展示

加入數(shù)據(jù)抖動(dòng) -x_jitter

一些不太適合做線性回歸的數(shù)據(jù)可以加入抖動(dòng)進(jìn)行更好的適配

擬合以及其他操作參考 這里

回歸圖 -mplot

mplot 繪制的圖和regplot 大體差不多, 但是可供支持的參數(shù)更多, 可以實(shí)現(xiàn)更多復(fù)雜的指標(biāo)操作

FacetGrid 使用

基本工作流程是FacetGrid使用數(shù)據(jù)集和用于構(gòu)造網(wǎng)格的變量初始化對(duì)象。然后，可以通過調(diào)用FacetGrid.map()或?qū)⒁粋€(gè)或多個(gè)繪圖函數(shù)應(yīng)用于每個(gè)子集 FacetGrid.map_dataframe() 最后，可以使用其他方法調(diào)整繪圖，以執(zhí)行更改軸標(biāo)簽，使用不同刻度或添加圖例等操作

內(nèi)部屬性

classseaborn.FacetGrid(
data,row=None,col=None,hue=None,col_wrap=None,sharex=True,
sharey=True,height=3,aspect=1,palette=None,row_order=None,
col_order=None,hue_order=None,hue_kws=None,dropna=True,
legend_out=True,despine=True,margin_titles=False,
xlim=None,ylim=None,subplot_kws=None,gridspec_kws=None,size=None)

data: DataFrame

處理后的（“長(zhǎng)格式”）dataframe數(shù)據(jù)，其中每一列都是一個(gè)變量（特征），每一行都是一個(gè)樣本

row, col, hue: strings

定義數(shù)據(jù)子集的變量，這些變量將在網(wǎng)格的不同方面繪制。請(qǐng)參閱下面 *_order 參數(shù)以控制該變量的級(jí)別順序

例如：col="sex", hue="smoker",即列表示性別，顏色語(yǔ)意表示是否吸煙，下面示例會(huì)給出詳細(xì)說明

col_wrap: int, optional

這個(gè)意思是圖網(wǎng)格列維度限制，比如 col_wrap =3，那么在這個(gè)畫布里最多只能畫3列。行不限制，這樣就限制了列的個(gè)數(shù)。

share{x,y}: bool, ‘col’, or ‘row’ optional

是否共享x軸或者y軸，就是說如果為真，就共享同一個(gè)軸，否則就不共享，默認(rèn)是都共享，即都為 True

g = sns.FacetGrid(tips, col="sex", hue="smoker",sharex=True, sharey=True)# 都共享
g.map(plt.scatter, "total_bill", "tip", alpha=0.8)
g.add_legend();

g = sns.FacetGrid(tips, col="sex", hue="smoker",sharex=True, sharey=False)# 關(guān)閉共享y軸, 關(guān)閉后會(huì)每個(gè)表獨(dú)立畫一個(gè) y 軸
g.map(plt.scatter, "total_bill", "tip", alpha=0.8)
g.add_legend();

height: scalar, optional

每個(gè)圖片的高度設(shè)定，默認(rèn)為3

aspect: scalar, optional

文檔說是縱橫比，是說每個(gè)小圖的橫軸長(zhǎng)度和縱軸的比

g = sns.FacetGrid(tips, col="sex", hue="smoker",sharex=True, sharey=True, aspect=1) # 默認(rèn)為1，即等高等寬
g.map(plt.scatter, "total_bill", "tip", alpha=0.8)
g.add_legend();

g = sns.FacetGrid(tips, col="sex", hue="smoker",sharex=True, sharey=True, aspect=0.5) # 改為0.5
g.map(plt.scatter, "total_bill", "tip", alpha=0.8)
g.add_legend();

palette: palette name, list, or dict, optional

這個(gè)簡(jiǎn)單，一般在使用hue時(shí)來改變顏色的，有這幾種系統(tǒng)給的可選deep, muted, bright, pastel, dark, colorblind

舉個(gè)例子還是上圖的啊，不給代碼了，直接上圖了,此時(shí)我給的是palette='colorblind'

{row,col,hue}_order: lists, optional

對(duì)所給命令的級(jí)別進(jìn)行排序。默認(rèn)情況下，這將是數(shù)據(jù)中顯示的級(jí)別，如果變量是 pandas 分類，則是類別順序。

g = sns.FacetGrid(tips, col="sex", hue="smoker",sharex=True, sharey=True,col_order=['老大', '老二', '老三', '老四'])
g.map(plt.scatter, "total_bill", "tip", alpha=0.8)
g.add_legend();

調(diào)換一下位置看看：

就不全上傳代碼了，關(guān)鍵代碼給出：

col_order=['老大', '老二', '老三', '老四']

到這里大家就可以看出來了，這個(gè)命令是可以讓我們?cè)O(shè)置畫圖的順序的

hue_kws: dictionary of param -> list of values mapping

其他關(guān)鍵字參數(shù)插入到繪圖調(diào)用中，讓其他繪圖屬性在色相變量的級(jí)別上有所不同（例如散點(diǎn)圖中的標(biāo)記）

>>> pal = dict(Lunch="seagreen", Dinner="gray") # 先定義一個(gè)字典，把顏色確定
>>> g = sns.FacetGrid(tips, col="sex", hue="time", palette=pal,# 然后傳遞給palette
...                   hue_order=["Dinner", "Lunch"])#hue_order這個(gè)官方解釋的好，優(yōu)先Dinner
>>> g = (g.map(plt.scatter, "total_bill", "tip", **kws)
...      .add_legend()) 

>>> g = sns.FacetGrid(tips, col="sex", hue="time", palette=pal,hue_order=["Dinner", "Lunch"], 
hue_kws=dict(marker=["^", "v"])) # 給顏色語(yǔ)意使用不同的標(biāo)簽，這樣可以進(jìn)行一部分區(qū)別
>>> g = (g.map(plt.scatter, "total_bill", "tip", **kws).add_legend()) 

總結(jié)來說，hue_kwss就是增加能快速辨識(shí)的方法，在變量很多時(shí)很有用，我把hue_order=["Dinner", "Lunch"]換一下位置看看,確實(shí)是有順序的

legend_out: bool, optional

默認(rèn)為True，legend是圖例的意思，如果True，圖形尺寸將被擴(kuò)展，并且圖例將被繪制在中心右側(cè)的圖形之外，上面的圖都是這樣的，為假時(shí)，圖例單獨(dú)放出來，下面是為假的情況，看下下面的圖例和上面的區(qū)別

despine: boolean, optional

從圖中移除頂部和右側(cè)脊柱,就是邊緣框架

margin_titles: bool, optional

如果是真的，那么行變量的標(biāo)題就會(huì)被繪制到最后一列的右邊。這個(gè)選項(xiàng)是實(shí)驗(yàn)性的，在所有情況下都可能不起作用。

直接看圖吧：

g = sns.FacetGrid(tips, row="smoker", col="time", 
                  margin_titles=False) # margin_titles為假的時(shí)候
g.map(sns.regplot, "size", "total_bill", color="red",
      fit_reg=False, x_jitter=.2);

再給出margin_titles=True的圖，代碼和上面一樣，可以看出來了，行變量的標(biāo)題就會(huì)被繪制到最后一列的右邊

{x, y}lim: tuples, optional

每個(gè)方面的每個(gè)軸的限制（只有當(dāng)共享x時(shí)才相關(guān)，y是正確的

subplot_kws: dict, optional

傳遞給matplotlib的subplot(s) 方法的關(guān)鍵字參數(shù)字典Dictionary of keyword arguments passed to matplotlib subplot(s) methods.這個(gè)需要看看subplot函數(shù)的參數(shù)，后面有時(shí)間補(bǔ)上

gridspec_kws: dict, optional

傳遞給matplotlib的gridspec模塊的關(guān)鍵字參數(shù)的字典（Viaplt.subplots）。matplotlib >= 1.4，如果colwrap不是None，則會(huì)被忽略。也許查看相關(guān)函數(shù)，改天再補(bǔ)上

這個(gè)兩個(gè)參數(shù)是為了和matplotlib傳參是使用的

內(nèi)部方法

__init__（data [，row，col，hue，col_wrap，...]）	初始化matplotlib圖和FacetGrid對(duì)象。
add_legend（[legend_data，title，label_order]）	繪制一個(gè)圖例，可能將其放在軸外并調(diào)整圖形大小。
despine（** kwargs）	從小平面上移除軸刺。
facet_axis（row_i，col_j）	使這些索引識(shí)別的軸處于活動(dòng)狀態(tài)并返回。
facet_data（）	生成器用于每個(gè)方面的名稱索引和數(shù)據(jù)子集。
map（func，* args，** kwargs）	將繪圖功能應(yīng)用于每個(gè)方面的數(shù)據(jù)子集。
map_dataframe（func，* args，** kwargs）	喜歡.map但是將args作為字符串傳遞并在kwargs中插入數(shù)據(jù)。
savefig（* args，** kwargs）	保存圖。
set（** kwargs）	在每個(gè)子圖集Axes上設(shè)置屬性。
set_axis_labels（[x_var，y_var]）	在網(wǎng)格的左列和底行設(shè)置軸標(biāo)簽。
set_titles（[template，row_template，...]）	在每個(gè)構(gòu)面上方或網(wǎng)格邊距上繪制標(biāo)題。
set_xlabels([label])	在網(wǎng)格的底行標(biāo)記x軸。
set_xticklabels([labels,step])	在網(wǎng)格的底行設(shè)置x軸刻度標(biāo)簽。
set_ylabels([label])	在網(wǎng)格的左列標(biāo)記y軸。
set_yticklabels([labels])	在網(wǎng)格的左列上設(shè)置y軸刻度標(biāo)簽。

示例

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
 
sns.set(style="darkgrid")
tips = sns.load_dataset("tips")
tips.head()
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
 
tips['day'].unique() 
# 從數(shù)據(jù)中可以看出sex、smoker、time均為兩個(gè)狀態(tài)值
[Sun, Sat, Thur, Fri]
Categories (4, object): [Sun, Sat, Thur, Fri]
 
g = sns.FacetGrid(tips, col="time")
# 像這樣初始化網(wǎng)格會(huì)設(shè)置matplotlib圖形和軸，但不會(huì)在它們上繪制任何內(nèi)容。

# 在該網(wǎng)格上可視化數(shù)據(jù)的主要方法是使用該FacetGrid.map()方法。
# 為其提供繪圖功能以及要繪制的數(shù)據(jù)框中的變量名稱。讓我們使用直方圖來
# 查看每個(gè)子集中tip的分布。
g = sns.FacetGrid(tips, col="time")
g.map(plt.hist, "tip");

g = sns.FacetGrid(tips, col="sex", hue="smoker",col_wrap=2)
g.map(plt.scatter, "total_bill", "tip", alpha=0.8)
g.add_legend();
# 此功能將繪制圖形并注釋軸，希望一步生成完成的繪圖。要?jiǎng)?chuàng)建關(guān)系圖，
# 只需傳遞多個(gè)變量名稱。您還可以提供關(guān)鍵字參數(shù)，這些參數(shù)將傳遞給
# 繪圖函數(shù),看看col_wrap的功能

g = sns.FacetGrid(tips, col="sex", hue="smoker",col_wrap=1)
g.map(plt.scatter, "total_bill", "tip", alpha=0.8)
g.add_legend();
# 此時(shí)col_wrap=1 ，說明col_wrap是限制網(wǎng)格中圖的列的個(gè)數(shù)的

# 可以單獨(dú)傳遞類構(gòu)造函數(shù)改變網(wǎng)格外觀
g = sns.FacetGrid(tips, row="smoker", col="time", 
                  margin_titles=True)
g.map(sns.regplot, "size", "total_bill", color="red",
      fit_reg=False, x_jitter=.2);
#  margin_titles=True的作用是把標(biāo)題寫到側(cè)面，
# fit_reg=False關(guān)閉回歸，我們下面看看關(guān)閉效果

g = sns.FacetGrid(tips, row="smoker", col="time", 
                  margin_titles=False)
g.map(sns.regplot, "size", "total_bill", color="red",
      fit_reg=True, x_jitter=.2);
# 關(guān)閉margin_titles=False，打開fit_reg=True
# margin_titles打開的好處是可以讓人很輕松的看明白圖的差別

# margin_titlesmatplotlib API未正式支持，并且在所有情況下都可能
# 無法正常工作。特別是，它目前不能與位于繪圖之外的圖例一起使用。
 
# 通過 height、aspect提供每個(gè)面的高度以及縱橫比來設(shè)置圖形的大小
g = sns.FacetGrid(tips, col="day", height=4, aspect=.5)
g.map(sns.barplot, "sex", "total_bill");

# facet的默認(rèn)排序源自DataFrame中的信息。如果用于定義構(gòu)面的變量具有
# 分類類型，則使用類別的順序。否則，facet將按照類別級(jí)別的出現(xiàn)順序排列。
# 但是，可以使用適當(dāng)?shù)?_order參數(shù)指定任何構(gòu)面尺寸的順序
ordered_days = tips.day.value_counts().index
g = sns.FacetGrid(tips, row="day", row_order=ordered_days,
                  height=1.7, aspect=4,)
g.map(sns.distplot, "total_bill", hist=False, rug=True);

繪制成對(duì)數(shù)據(jù)關(guān)系

PairGrid還允許您使用相同的繪圖類型快速繪制小子圖的網(wǎng)格，以可視化每個(gè)
子圖中的數(shù)據(jù)。在一個(gè)PairGrid中，每個(gè)行和列都分配給不同的變量，因此結(jié)果
圖顯示數(shù)據(jù)集中的每個(gè)成對(duì)關(guān)系。這種情節(jié)有時(shí)被稱為“散點(diǎn)圖矩陣”，因?yàn)檫@是
顯示每種關(guān)系的最常用方式，但PairGrid不限于散點(diǎn)圖。

理解a FacetGrid和a 之間的差異很重要PairGrid。在前者中，
每個(gè)方面都表現(xiàn)出以不同級(jí)別的其他變量為條件的相同關(guān)系。在后者中，
每個(gè)圖顯示不同的關(guān)系（盡管上三角和下三角將具有鏡像圖）。使用
PairGrid可以為您提供數(shù)據(jù)集中有趣關(guān)系的非常快速，非常高級(jí)的摘要。

該類的基本用法非常相似FacetGrid。首先初始化網(wǎng)格，然后將繪圖函數(shù)
傳遞給map方法，并在每個(gè)子圖上調(diào)用它。還有一個(gè)伴侶功能，pairplot()
它可以為更快的繪圖提供一些靈活性

iris = sns.load_dataset("iris")
# 該數(shù)據(jù)大家應(yīng)該很熟悉了，就不看數(shù)據(jù)了
g = sns.PairGrid(iris)
g.map(plt.scatter);

# 可以在對(duì)角線上繪制不同的函數(shù)，以顯示每列中變量的單變量分布。
# 但請(qǐng)注意，軸刻度不會(huì)與該圖的計(jì)數(shù)軸或密度軸對(duì)應(yīng)。
g = sns.PairGrid(iris)
g.map_diag(plt.hist)
g.map_offdiag(plt.scatter);

# 使用此圖的一種非常常見的方法是通過單獨(dú)的分類變量對(duì)觀察結(jié)果進(jìn)行著色。
# 例如，iris數(shù)據(jù)集對(duì)三種不同種類的鳶尾花中的每一種都有四種測(cè)量值，
# 因此您可以看到它們之間的差異。
g = sns.PairGrid(iris, hue="species")
g.map_diag(plt.hist)
g.map_offdiag(plt.scatter)
g.add_legend();

# 也可以在上三角和下三角中使用不同的函數(shù)來強(qiáng)調(diào)關(guān)系的不同方面。
g = sns.PairGrid(iris)
g.map_upper(plt.scatter)
g.map_lower(sns.kdeplot,color='red')
g.map_diag(sns.kdeplot, lw=2, legend=False);

# PairGrid很靈活，但要快速查看數(shù)據(jù)集，使用pairplot()可以更容易。
# 此功能默認(rèn)使用散點(diǎn)圖和直方圖，但會(huì)添加一些其他類型
# （目前，您還可以繪制對(duì)角線上的回歸圖和對(duì)角線上的KDE）。
sns.pairplot(iris, hue="species", height=2.5);

heatmap - 熱度圖

圖形變化用顏色趨勢(shì)表現(xiàn)出來的形式 - 熱度圖

指定取值區(qū)間 - vim/vmax

未指定的時(shí)候自動(dòng)會(huì)根據(jù)數(shù)據(jù)集中的最大最小值作為兩極

指定中心數(shù)據(jù) - center

指定一個(gè)中心數(shù)據(jù), 其上或者其下顏色差異都很大,

航班示例

利用函數(shù)pivot 對(duì)數(shù)據(jù)集進(jìn)行預(yù)處理, 然后轉(zhuǎn)換為熱量圖

顯示數(shù)字 - annot, fmt

設(shè)置annot=True 表示顯示數(shù)字,設(shè)置fmt="d" 指定格式, 這里指定 "d" 是比較好的選擇, 默認(rèn)不指定則會(huì)顯示亂碼較為難以觀察 (默認(rèn)科學(xué)計(jì)數(shù)法)

指定色格間距 -linewidths

默認(rèn)的色格之間都是都沒有間距的, 指定此屬性后可設(shè)置間距, 加間距看著更舒服點(diǎn)

指定調(diào)色板 - cmap

調(diào)色板的選擇也可以指定

隱藏色盤指標(biāo) - cbar

設(shè)置cbar=False 則可以隱藏, 但是不方便觀察, 不知道指標(biāo)區(qū)間了, 酌情使用

總結(jié)

以上是生活随笔為你收集整理的数据分析的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。