seaborn可视化学习

Seaborn is a Python data visualization library based on matplotlib.

Seaborn提供了大量的高级接口和自定义主题，并能很好地处理数据流。结合美学与技术，其是Python流行的数据可视化库之一。本次学习主要对京东商城爬取的耳机数据进行系列可视化操作。

---

目录

1. 散点图
2. 抖动图
3. 箱线图
4. 小提琴图
5. 直方图
6. 双变量分布图
7. 热图
8. 多二元分布图
9. 回归图

---

seaborn库有四个必需依赖项：

• NumPy (>= 1.9.3)
• SciPy (>= 0.14.0)
• matplotlib (>= 1.4.3)
• Pandas (>= 0.15.2)

在安装好相关库后导入依赖项和seaborn本身

import numpy as np
from scipy import stats
from pylab import *
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

导入数据（京东商城爬取的耳机数据）进行查看

df = pd.read_excel('D:/python/dachuang/erjidata.xlsx')

1 散点图

mpl.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文
sns.relplot(x='点赞数', y='评论数', data=df) # 绘制散点图

sns.relplot(x='点赞数', y='评论数', hue='评价星级', data=df) # 可以看到与数据相关的标签

在上图中，色调代表样本类别，是离散的。而如果色调代表数字，则应该是连续的。

因此，将字段“评价星级”字符型进行转化（此处没找到简单函数操作，直接用if语句）

df['新评价星级'] = 'NA' # 新增一列

for i in range(len(df)):
    if df['评价星级'][i] == 'star1':
        df['新评价星级'][i] = 1.0
    elif df['评价星级'][i] == 'star2':
        df['新评价星级'][i] = 2.0
    elif df['评价星级'][i] == 'star3':
        df['新评价星级'][i] = 3.0
    elif df['评价星级'][i] == 'star4':
        df['新评价星级'][i] = 4.0
    else:
        df['新评价星级'][i] = 5.0
        
df['新评价星级'] = (df['新评价星级']).astype(np.float) # 类型转换

sns.relplot(x='点赞数', y='评论数', hue='新评价星级', data=df) # 色调代表样本类别，样本类别连续

sns.relplot(x='点赞数',y='评论数',size='新评价星级',data=df) # 改变点大小

2 抖动图

sns.catplot(x='新评价星级',y='评论数',data=df) # 绘制抖动图

我们可以看到图表是散开的，所以为了处理这个问题，我们可以将抖动设置为false。抖动是偏离真实值。因此，我们将使用另一个参数将抖动设置为false。

sns.catplot(x='新评价星级',y='评论数',jitter=False,data=df) # 使抖动集中

如果想在图中引入另一个变量或另一个维度，可以使用hue参数。

sns.catplot(x='点赞数', y='评论数', hue='新评价星级', data=df) # 在图中引入另一变量或维度

sns.catplot(x='点赞数', y='评论数', kind='swarm', data=df) #swarm使用一种算法来防止点重叠

3 箱线图

sns.catplot(x='新评价星级', y='评论数', kind='box', data=df) # 箱线图

4 小提琴图

sns.catplot(x='新评价星级', y='评论数', kind='violin', data=df) # 小提琴图

5 直方图

sns.distplot(df.点赞数) # 默认情况下，distplot()函数绘制柱状图并适合内核密度估计

sns.distplot(df.点赞数, kde=False, rug=True) # 有垂直标尺的直方图

6 双变量分布图

sns.jointplot(x='新评价星级', y='评论数', data=df) # 可视化双变量分布

sns.jointplot(x='新评价星级', y='评论数', kind='hex', data=df) # Hexplot是一个双变量的直方图，显示了在六边形区域内的观察次数

sns.jointplot(x='新评价星级', y='评论数', data=df, kind='kde') # KDE绘图，很好的可视化双变量分布的方法

7 热图

# Heatmaps中每个变量都表示为一种颜色
corrmat = df.corr()
f, ax = plt.subplots()
sns.heatmap(corrmat, vmax=.8,square=True)

8 多二元分布图

sns.pairplot(df) # 绘制数据集中的多个二元分布，并绘制各变量在对角线上的单变量分布图

9 回归图

sns.lmplot(x='点赞数', y='评论数', hue='新评价星级', data=df)

---

本次学习主要参考资料：Python Seaborn综合指南，成为数据可视化专家