本文目录如下：
1 风格设定
1.1 sns.set_style()
1.2 sns.despine()
1.3 不同子图，不同风格
1.4 sns.set_context()
2 调色板
2.1 色块
2.2 对比颜色块
2.3 连续颜色块
2.4 简单应用
2.4.1 sns.color_palette()----箱线图
2.4.2 使用xkcd颜色来命名颜色---线图
2.4.3 sns.dark_palette()---核密度估计图
3 因子变量绘图
3.1 boxplot箱线图
3.2 小提琴图violinplot
3.3 散点图
3.3.1两类散点图
3.3.2 散点图与小提琴图结合
3.3.3 散点图与箱线图图结合
3.4 条形图barplot
3.5 点图pointplot
3.6 countplot计数统计图
4 多层面板分类图
4.1线图
4.2 柱状图
4.3 散点图
4.4 箱线图
5 回归图
5.1 sns.regplot()
5.2 sns.lmplot()
6 分布图
6.1 直方图distplot
6.2 双变量关系图jointplot
6.3 变量关系组图pairplot
7 热度图绘制
8 Facetgrid使用方法
8.1 直方图
8.2 散点图
8.3 对比图
8.4 指定顺序画图
8.5 一些参数1
8.6 一些参数2

加载模块和数据

import pandas as pd
import seaborn as sns
import numpy as np
import matplotlib.pylab as plt
sns.set(style='whitegrid',color_codes=True)
np.random.seed(sum(map(ord,'categorical')))
np.random.seed(sum(map(ord,'regression')))
titanic=pd.read_csv('titanic.csv')
tips = sns.load_dataset('tips')
iris = sns.load_dataset('iris')

1 风格设定

1.1 sns.set_style()

（）里可以填写white, dark, whitegrid, darkgrid, ticks

def sinplot():
    x = np.linspace(0,14,100)
    for i in range(1,7):
        # sns.set_style('white')
        # sns.set_style('dark')
        sns.set_style('ticks') # 有尖尖
        # sns.despine()  #去掉上边和右边的边框
        plt.plot(x,np.sin(x+i*.5)*(7-i))
sinplot()
plt.show()

输出：

Figure_1.png

1.2 sns.despine()

def sinplot():
    x = np.linspace(0,14,100)
    for i in range(1,7):
        plt.plot(x,np.sin(x+i*.5)*(7-i))
sinplot()
sns.despine(offset=10) #图离轴的距离
# sns.despine(left=True) #隐藏左边的轴
plt.show()

输出：

Figure_1.png

1.3 不同子图，不同风格

with sns.axes_style()
（）可以填white, dark, whitegrid, darkgrid, ticks

def sinplot():
    x = np.linspace(0,14,100)
    for i in range(1,7):
        plt.plot(x,np.sin(x+i*.5)*(7-i))
with sns.axes_style('darkgrid'):
    plt.subplot(211)
    sinplot()
plt.subplot(212)
sns.despine()
sinplot()
plt.show()

输出：

Figure_1.png

1.4 sns.set_context（）

（）里可以填paper, notebook, talk, poster

def sinplot():
    x = np.linspace(0,14,100)
    for i in range(1,7):
        # sns.set_context('paper')
        # sns.set_context('talk') #线粗字大
        sns.set_context('notebook',font_scale=1.5,rc={'lines.linewidth':4.5}) #font_scale指定字的大小
        plt.plot(x,np.sin(x+i*.5)*(7-i))
sinplot()
plt.show()

输出：

Figure_1.png

2 调色板

color_palette()能传入任何Matplotlib,不写参数则默认颜色，可以填写muted,RdBu,Blues_r,Set1,hls,Paired
set_palette()设置所有图的颜色

2.1 色块

current_palette = sns.color_palette()
sns.palplot(current_palette) #12个色块
sns.palplot(sns.color_palette('hls',8))#8个颜色，色度比较亮
plt.show()

输出：

Figure_1.png

Figure_2.png

2.2 对比颜色块

sns.palplot(sns.color_palette('Paired',8))
plt.show()

输出：

Figure_1.png

2.3 连续颜色块

sns.palplot(sns.color_palette('Blues'))
sns.palplot(sns.color_palette('Greens_r')) #参数里可以输入数字，指定颜色的块数,_r由深到浅
plt.show()

输出：

Figure_1.png

Figure_2-1.png

light_paleete()和dark_palette()调用定制连续调色板

sns.palplot(sns.light_palette('green'))
sns.palplot(sns.dark_palette('purple'))
plt.show()

输出：

Figure_1.png

Figure_2.png

2.4 简单应用

2.4.1 sns.color_palette()----箱线图

sns.set_style('whitegrid') #dark;white;
data = np.random.normal(size=(20,8))+np.arange(8)/2 #正态分布 loc均值，scale标准差，size20行8列数据
sns.boxplot(data=data,palette=sns.color_palette('hls',8))
plt.show()

输出：

Figure_1.png

2.4.2 使用xkcd颜色来命名颜色---线图

plt.plot([0,1],[0,1],sns.xkcd_rgb['pale red'],lw=3) #lw线宽
plt.plot([0,1],[0,2],sns.xkcd_rgb['medium green'],lw=3)
plt.plot([0,1],[0,3],sns.xkcd_rgb['denim blue'],lw=3)
plt.show()

输出：

Figure_1.png

2.4.3 sns.dark_palette()---核密度估计图

x,y=np.random.multivariate_normal([0,0],[[1,-5],[-.5,1]],size=300).T
pal = sns.dark_palette('green',as_cmap=True)
sns.kdeplot(x,y,cmap=pal)
plt.show()

输出：

Figure_1.png

3 因子变量绘图

3.1 boxplot箱线图

sns.boxplot(x='day',y='total_bill',hue='sex',data=tips)
plt.show()

输出：

Figure_1.png

3.2 小提琴图violinplot

图中白点为中位数，黑色盒型范围为下四分位点到上四分位点

sns.violinplot(x='day',y='total_bill',hue='sex',data=tips,split=True) #split=True 各取一半组成一个小提琴
plt.show()

输出：

Figure_1.png

3.3 散点图

3.3.1两类散点图

有两个散点图，stripplot和swarmplot，后者可以看出分布密度的散点图

sns.stripplot(x='day',y='total_bill',data=tips) #默认jitter=True
sns.swarmplot(x='day',y='total_bill',data=tips) #防止数据太密集
sns.swarmplot(x='day',y='total_bill',hue='sex',data=tips)
plt.show()

输出：

Figure_1.png

Figure_2.png

Figure_3.png

3.3.2 散点图与小提琴图结合

sns.violinplot(x='day',y='total_bill',data=tips,inner=None)
sns.swarmplot(x='day',y='total_bill',data=tips,color='w',alpha=0.5) #alpha透明度
plt.show()

输出：

Figure_1.png

3.3.3 散点图与箱线图图结合

sns.boxplot(x='day',y='total_bill',data=tips,whis=np.inf)#whis是否显示离群点，这里不显示
sns.swarmplot(x='day',y='total_bill',color='black',data=tips)
plt.show()

输出：

Figure_1.png

3.4 条形图barplot

sns.barplot(x='Sex',y='Survived',hue='Pclass',data=titanic)
plt.show()

输出：

Figure_1.png

3.5 点图pointplot

点图描述差异性

sns.pointplot(x='Sex',y='Survived',hue='Pclass',data=titanic)
plt.show()
sns.pointplot(x='Pclass',y='Survived',data=titanic,
              palette={'male':'g','female':'m'},
              markers=['^','o'],linestyles=['-','--'],hue='Sex')
plt.show()

输出：

Figure_1.png

Figure_2.png

3.6 countplot计数统计图

sns.countplot('Pclass',data=titanic)
plt.show()

输出：

Figure_1.png

4 多层面板分类图

4.1线图

sns.factorplot(x='day',y='total_bill',hue='smoker',data=tips)
plt.show()

输出：

Figure_1.png

4.2 柱状图

sns.factorplot(x='day',y='total_bill',hue='smoker',data=tips,kind='bar')
plt.show()

Figure_1.png

4.3 散点图

sns.factorplot(x='day',y='total_bill',hue='smoker',data=tips,kind='swarm',col='time')
plt.show()

输出：

Figure_1.png

4.4 箱线图

sns.factorplot(x='time',y='total_bill',hue='smoker',data=tips,kind='box',col='day',size=4,aspect=0.5)#长宽比大小
plt.show()

输出：

Figure_1.png

5 回归图

sns.lmplot()和sns.regplot()

5.1 sns.regplot()

sns.regplot(x='size',y='tip',data=tips,x_jitter=0.5,color='g',marker='+')  #size的取值比较固定，可以让数据小范围浮动
plt.show()

输出:

Figure_1.png

5.2 sns.lmplot()

···
sns.lmplot(x='total_bill',y='tip',row='sex',col='time',data=tips,size=3)
plt.show()
···

输出：

Figure_1.png

6 分布图

6.1 直方图distplot和核密度曲线

直方图distplot（默认hist=False）和核密度曲线（默认rug=True）

np.random.seed(0)
x = np.random.normal(size=100)
sns.set_style('whitegrid')
sns.distplot(x,bins=20,color='g')
plt.show()

输出：

Figure_1.png

6.2 双变量关系图jointplot

sns.jointplot(x='total_bill',y='tip',data=tips)
plt.show()

输出;

Figure_1.png

通过kind参数可以拟合直线，拟合核密度图

sns.jointplot(x='total_bill',y='tip',data=tips,kind='reg')
plt.show()

输出：

Figure_1.png

使用六角形代替点，分辨哪个地方数值多

sns.jointplot(x='total_bill',y='tip',data=tips,kind='hex',color='k')
plt.show()

输出：

Figure_1.png

6.3 变量关系组图pairplot

绘制dataframe中各个变量两两之间的关系图

iris = sns.load_dataset('iris')
sns.pairplot(iris)
plt.show()

输出：

Figure_1.png

分组的变量关系图，挺好看

sns.pairplot(iris,hue='species')#不同的组可以用不同的形状标记markers=['o','s','D']
plt.show()

输出：

Figure_1.png

对角线可以绘制别的图

sns.pairplot(iris,diag_kind='kde')
plt.show()

输出：

Figure_1.png

7 热度图绘制

数据的变动用颜色表示出来，比如变量之间相关程度

np.random.seed(0)
uniform_data=np.random.rand(3,3)
print(uniform_data)
heatmap=sns.heatmap(uniform_data)
plt.show()

输出：
[[0.5488135 0.71518937 0.60276338]
[0.54488318 0.4236548 0.64589411]
[0.43758721 0.891773 0.96366276]]

Figure_1.png

可以设置最大值最小值

ax=sns.heatmap(uniform_data,vmin=0.2,vmax=0.5)
plt.show()

输出：

Figure_1.png

可以设置中心值

nurmal_data=np.random.randn(3,3)
print(nurmal_data)
ax=sns.heatmap(nurmal_data,center=0)
plt.show()

输出：
[[ 1.76405235 0.40015721 0.97873798]
[ 2.2408932 1.86755799 -0.97727788]
[ 0.95008842 -0.15135721 -0.10321885]]

Figure_1.png

进行一些参数设置

flights=sns.load_dataset('flights')
print(flights.head())
flights=flights.pivot(index='month',columns='year',values='passengers') #制成透视表
print(flights)
ax = sns.heatmap(flights,annot=True,fmt='d',linewidths=0.5)#annot标注数字，fmt字体，linewidths加线格，cmap调色板
plt.show()

输出：

   year     month  passengers
0  1949   January         112
1  1949  February         118
2  1949     March         132
3  1949     April         129
4  1949       May         121
year       1949  1950  1951  1952  1953  ...   1956  1957  1958  1959  1960
month                                    ...                               
January     112   115   145   171   196  ...    284   315   340   360   417
February    118   126   150   180   196  ...    277   301   318   342   391
March       132   141   178   193   236  ...    317   356   362   406   419
April       129   135   163   181   235  ...    313   348   348   396   461
May         121   125   172   183   229  ...    318   355   363   420   472
June        135   149   178   218   243  ...    374   422   435   472   535
July        148   170   199   230   264  ...    413   465   491   548   622
August      148   170   199   242   272  ...    405   467   505   559   606
September   136   158   184   209   237  ...    355   404   404   463   508
October     119   133   162   191   211  ...    306   347   359   407   461
November    104   114   146   172   180  ...    271   305   310   362   390
December    118   140   166   194   201  ...    306   336   337   405   432

Figure_1.png

8 Facetgrid使用方法

8.1 直方图

g = sns.FacetGrid(tips,col='time') #输入数据、col、row、hue等
g.map(plt.hist,'tip') #要画的图、x、y
plt.show()

输出：

Figure_1.png

8.2 散点图

g = sns.FacetGrid(tips,col='sex',hue='smoker')
g.map(plt.scatter,'total_bill','tip',alpha=0.7)#透明程度
g.add_legend() #标签
plt.show()

输出：

Figure_1.png

8.3 对比图

一般对比图

g=sns.PairGrid(iris)
g.map(plt.scatter)
plt.show()

输出：

Figure_1.png

设置对角线和非对角线图

g=sns.PairGrid(iris)
g.map_diag(plt.hist)
g.map_offdiag(plt.scatter)
plt.show()

输出：

Figure_1.png

分组绘图

g=sns.PairGrid(iris,hue='species')
g.map_diag(plt.hist)
g.map_offdiag(plt.scatter)
g.add_legend()
plt.show()

输出：

Figure_1.png

只选取两个变量

g=sns.PairGrid(iris,vars=['sepal_length','sepal_width'],hue='species')
g.map(plt.scatter)
g.add_legend()
plt.show()

输出：

Figure_1.png

g=sns.PairGrid(tips,hue='size',palette='PuBuGn_r')
g.map(plt.scatter,s=50,edgecolor='white')
g.add_legend()
plt.show()

输出：

Figure_1.png

8.4 指定顺序画图

from pandas import Categorical
ordered_days = Categorical(['Thur','Fri','Sat','Sun'])
g = sns.FacetGrid(tips,row='day',row_order=ordered_days,size=1.7,aspect=4)
g.map(sns.boxplot,'total_bill')
plt.show()

输出：

Figure_1.png

8.5 一些参数1

pal=dict(Lunch='seagreen',Dinner='grey')
g=sns.FacetGrid(tips,hue='time',palette=pal,height=5,hue_kws={'marker':['^','v']})
g.map(plt.scatter,'total_bill','tip',s=100,alpha=0.7,lw=0.5,edgecolor='white') #s:点的大小 ,edgecolor='white':点的外边线
g.add_legend()
plt.show()

输出：

Figure_1.png

8.6 一些参数2

sns.set_style('white')
g=sns.FacetGrid(tips,row='sex',col='smoker',margin_titles=True,height=2.5)
g.map(plt.scatter,'total_bill','tip')
g.set_axis_labels('total_bill($)','tip($)')
g.set(xticks=[10,30,50],yticks=[2,6,10])
g.fig.subplots_adjust(wspace=.02,hspace=.02) #子图之间的距离
plt.show()

输出：

Figure_1.png

四、seaborn

加载模块和数据

1 风格设定

1.1 sns.set_style()

1.2 sns.despine()

1.3 不同子图，不同风格

1.4 sns.set_context（）

2 调色板

2.1 色块

2.2 对比颜色块

2.3 连续颜色块

2.4 简单应用

2.4.1 sns.color_palette()----箱线图

2.4.2 使用xkcd颜色来命名颜色---线图

2.4.3 sns.dark_palette()---核密度估计图

3 因子变量绘图

3.1 boxplot箱线图

3.2 小提琴图violinplot

3.3 散点图

3.3.1两类散点图

3.3.2 散点图与小提琴图结合

3.3.3 散点图与箱线图图结合

3.4 条形图barplot

3.5 点图pointplot

3.6 countplot计数统计图

4 多层面板分类图

4.1线图

4.2 柱状图

4.3 散点图

4.4 箱线图

5 回归图

5.1 sns.regplot()

5.2 sns.lmplot()

6 分布图

6.1 直方图distplot和核密度曲线

6.2 双变量关系图jointplot

6.3 变量关系组图pairplot

7 热度图绘制

8 Facetgrid使用方法

8.1 直方图

8.2 散点图

8.3 对比图

8.4 指定顺序画图

8.5 一些参数1

8.6 一些参数2