最新消息，Seaborn將迎來API重寫級別版本更新，本文羅列重大改變，太值得期待了！

• Matplotlib是Python最重要的可視化庫，但是，過于復雜，Seaborn對其主要功能做了封裝，隱藏復雜參數，僅需要幾行代碼就可以實現優美的統計圖，但功能有限：Seaborn；

• 此次更新主要拓展Seaborn的核心功能 —與pandas的集成、數據和圖形之間的自動映射、統計轉換 — 使得Seaborn成為一個更具組合性、可擴展性和全面性的可視化庫。

• 作者直言，更新靈感不少源于R語言中ggplot2背后的圖層圖形語法，去其糟粕，取其精華，做了很多優化，但是Seaborn不等于Python版ggplot2 (plotnine)；

• 為了這次更新，已經開發了8個月，依舊還有很多工作要做，更新版具體發布時間待定，但是會在發布前發布系列alpha/beta releases，以獲取測試反饋。

---

👇👇下面看看主要哪些方面發生了更新👇👇

嫌長文，直接看文章末尾小結。

基本語法

導入Seaborn

#方法一 import?seaborn.objects?as?so?#不再是import?seaborn?as?sns#方法二 from?seaborn.objects?import?*

繪圖主函數變成了seaborn.objects.Plot

import?seaborn tips?=?seaborn.load_dataset("tips")?#導入內置數據so.Plot(tips,?x="total_bill",?y="tip")?#繪制空Figure

add在Figure上添加散點圖層，

so.Plot(tips,?x="total_bill",?y="tip").add(so.Scatter())? #.add(so.Scatter())是不是有ggplot2?+?添加圖層的影子～

全局個性化，

so.Plot(tips).add(so.Scatter(),?x="total_bill",?y="tip")

每個圖層個性化，

(so.Plot(tips,?x="total_bill",?y="tip").add(so.Scatter(color=".6")).add(so.Scatter(),?data=tips.query("size?==?2")) )(so.Plot(tips,?x="total_bill",?y="tip",?color="day",?fill="time").add(so.Scatter(fillalpha=.8)) )

核心組件1-圖層對象Mark

每個圖層都需要一個Mark對象，它定義了如何繪制繪圖。將對應于現有seaborn功能和提供新功能的標記，但是，很多還沒有實現，

so.Plot(tips,?y="day",?x="total_bill") .add(so.Dot(color="#698",?alpha=.5))?#直接設置Mark(此處為Dot)特性，而不是映射它們.

核心組件2-數據轉換Stat

在新版本中，每個層都可以接受一個數據轉換的Stat對象，

so.Plot(fmri,?x="timepoint",?y="signal",?color="event").add(so.Line(),?so.Agg(),?group="subject")

自定義Mark和Stat對象

class?PeakAnnotation(so.Mark):def?_plot_split(self,?keys,?data,?ax,?kws):ix?=?data["y"].idxmax()ax.annotate("The?peak",?data.loc[ix,?["x",?"y"]],xytext=(10,?-100),?textcoords="offset?points",va="top",?ha="center",arrowprops=dict(arrowstyle="->",?color=".2"),)(so.Plot(fmri,?x="timepoint",?y="signal").add(so.Line(),?so.Agg()).add(PeakAnnotation(),?so.Agg()) )

核心組件3-圖形自適應the Move

新版本里，圖形的一些調整都匯聚在move對象中，取代老版本中的dodge=xx、jitter=xx、multiple=xx等設置，

(so.Plot(tips,?"day",?"total_bill",?color="time",?alpha="sex").add(so.Bar(),?so.Agg(),?move=so.Dodge()) )(so.Plot(tips,?"day",?"total_bill",?color="time",?alpha="smoker").add(so.Dot(),?move=[so.Dodge(by=["color"]),?so.Jitter(.5)]) )

個性化設置

新版本將添加更多圖形個性化設置功能，

(so.Plot(planets,?x="mass",?y="distance",?color="year").map_color("flare",?norm=(2000,?2010)).scale_numeric("x",?"log").add(so.Scatter(pointsize=3)) ) #以上設置順序不分先后(so.Plot(planets,?y="year",?x="orbital_period").scale_numeric("x",?"log").add(so.Scatter(alpha=.5,?marker="x"),?color="method").add(so.Line(linewidth=2,?color=".2"),?so.Agg(),?orient="h") )

子圖定義

新版本中分面Facet被隱式地內置，

(so.Plot(tips,?x="total_bill",?y="tip").facet("time",?order=["Dinner",?"Lunch"]).add(so.Scatter()) )

注意區別于老版本的FacetGrid，

(so.Plot(tips,?x="total_bill",?y="tip",?col="day").add(so.Scatter(color=".75"),?col=None).add(so.Scatter(),?color="day").configure(figsize=(7,?3)) )

新版本依舊包含PairGrid功能，

(so.Plot(tips,?y="day").pair(x=["total_bill",?"tip"]).add(so.Dot()) )

FacetGrid和PairGrid可聯合使用，

(so.Plot(tips,?x="day").facet("sex").pair(y=["total_bill",?"tip"]).add(so.Dot()) )

faceted和paired圖均可沿著列和行“wrapped”，

class?Histogram(so.Mark):??#?TODO?replace?once?we?implementdef?_plot_split(self,?keys,?data,?ax,?kws):ax.hist(data["x"],?bins="auto",?**kws)ax.set_ylabel("count")(so.Plot(tips).pair(x=tips.columns,?wrap=3).configure(sharey=False).add(Histogram()) )

總之，新版本中，“axes-level” 和“figure-level” 無差異。

圖形迭代、渲染

迭代：可定義一個基礎圖形，然后按需求在基礎圖形上繪制不同圖形，不同圖形之間相互獨立，

#定義基礎圖形p p?=?(so.Plot(fmri,?x="timepoint",?y="signal",?color="event").map_color(palette="crest") )p.add(so.Line())?#繪制折線圖p.add(so.Line(),?group="subject")

與Matplotlib集成

“axes-level”容易實現，可直接對子圖操作，

import?matplotlib?as?mpl _,?ax?=?mpl.figure.Figure(constrained_layout=True).subplots(1,?2) (so.Plot(tips,?x="total_bill",?y="tip").on(ax).add(so.Scatter()) )

“figure-level”??比較難纏，

f?=?mpl.figure.Figure(constrained_layout=True) (so.Plot(tips,?x="total_bill",?y="tip").on(f).add(so.Scatter()).facet("time") )

subfigures讓多子圖更簡單，

sf1,?sf2?=?f.subfigures(1,?2) (so.Plot(tips,?x="total_bill",?y="tip",?color="day").add(so.Scatter()).on(sf1).plot() ) (so.Plot(tips,?x="total_bill",?y="tip",?color="day").facet("day",?wrap=2).add(so.Scatter()).on(sf2).plot() )

小結

• 如果該新版本發布，Seaborn老版本子圖難實現、個性化難、需要重度依賴Matplotlib的缺陷基本被修復；

• 新版本吸收了ggplot2的部分屬性，對R用戶比較容易上手;

• 但是，Seaborn支持圖形類別有限的問題沒有看到修復；

• 再者，到底啥時候新版本能夠發布，This is very much a work in progress；

• 總之，非常值得期待。

• ref: https://seaborn.pydata.org/nextgen/

---

-END-

往期精彩回顧適合初學者入門人工智能的路線及資料下載中國大學慕課《機器學習》（黃海廣主講）機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載本站qq群955171419，加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的【Python】参考ggplot2，Seaborn将迎来超大版本更新！的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。