学习笔记4 seaborn库

1. 整体布局
   import seaborn as sns
2. set_style( ) 和 set（ ）
   set_style( )是用来设置主题的，Seaborn有五个预设好的主题： darkgrid（默认，横纵坐标都有标线，组成一个一个格子，背景稍微深色） , whitegrid（横坐标有标线，纵坐标没有标线，背景白色） , dark（背景稍微深色，没有标线线） , white （背景白色，没有标线线）,和 ticks（xy轴都有非常短的小刻度） 默认： darkgrid

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
sns.set_style("whitegrid")
plt.plot(np.arange(10))
plt.show()

set( )通过设置参数可以用来设置背景，调色板等，更加常用。

import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="white", palette="muted", color_codes=True)     #set( )设置主题，调色板更常用
plt.plot(np.arange(10))
plt.show()

3. distplot( ) kdeplot( )
   distplot( )为hist加强版，kdeplot( )为密度曲线图

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
sns.set( palette="muted", color_codes=True)
rs = np.random.RandomState(10)
d = rs.normal(size=100)
f, axes = plt.subplots(2, 2, figsize=(7, 7), sharex=True)
sns.distplot(d, kde=False, color="b", ax=axes[0, 0])
sns.distplot(d, hist=False, rug=True, color="r", ax=axes[0, 1])
sns.distplot(d, hist=False, color="g", kde_kws={"shade": True}, ax=axes[1, 0])
sns.distplot(d, color="m", ax=axes[1, 1])
plt.show()

4. 子图的整体布局

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

def sinplot(flip=1): #自定义一个函数
	x = np.linspace(0,14,100) #0-14取100个点

	for i in range(1,7): #画了6条线
		plt.plot(x,np.sin(x + i *0.5) * (7 - i) * flip) #sin函数
	plt.show()

sinplot()

不同风格的图

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

def sinplot(flip=1): #自定义一个函数
	x = np.linspace(0,14,100) #0-14取100个点

	for i in range(1,7):
		plt.plot(x,np.sin(x + i *0.5) * (7 - i) * flip)
	#plt.show()

#sinplot()


with sns.axes_style("darkgrid"): #with里面的用一种背景风格
	plt.subplot(211)
	sinplot()
plt.subplot(212)
sinplot(-1)
plt.show()

5. 调色板

默认颜色主题

current_palette = sns.color_palette()
sns.palplot(current_palette)
plt.show()

圆形画板（所需颜色超过默认数量）

current_palette = sns.color_palette("hls",12)
sns.palplot(current_palette)
plt.show()

自定义调色板

current_palette = sns.color_palette("hls",12)

data = np.random.normal(size=(20,12)) + np.arange(12) / 2 #随机生成的数据
sns.boxplot(data=data,palette=current_palette) #使用颜色就是传递参数给palette
plt.show()

生成颜色对

current_palette = sns.color_palette("Paired",12) 
sns.palplot(current_palette)
plt.show()

连续画板

current_palette = sns.color_palette("Blues") #直接传颜色，有浅到深
#current_palette = sns.color_palette("Blues_r")  #有深到浅
sns.palplot(current_palette)

plt.show()

颜色线性变化：cubehelix_palette()调色板

current_palette = sns.color_palette("cubehelix",8)
sns.palplot(current_palette)
plt.show()

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

sns.palplot(sns.light_palette("green"))
plt.show()

6. 单变量的分析绘图（拿到数据时先进行数据分析）

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
from scipy import stats,integrate
import pandas as pd

x = np.random.normal(size=100) #随机生成100个数据
sns.distplot(x,bins=20,kde=False,fit=stats.gamma) #kde是需不需要计算核密度，bins是多少个小柱形，fit=stats.gamma看图形变化的趋势，如图黑色的曲线
plt.show()

7. 散点图（

iris = sns.load_dataset("iris") #导入鸢尾花数据集
sns.pairplot(iris)
plt.show() #直方图是单变量的分析，散点图是特征之间的关系

8. 特征比较多时，可用sns.pairplot(data)

iris = sns.load_dataset("iris") #导入鸢尾花数据集
sns.pairplot(iris)
plt.show() #直方图是单变量的分析，散点图是特征之间的关系

9. 回归模型：sns.regplot() 或者sns.lmplot
   tips = sns.load_dataset("tips") #导入tips数据集 sns.regplot(x="total_bill",y="tip",data=tips) #画回归图 plt.show()
10. 画某个特征中不同属性的值sns.stripplot()

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
from scipy import stats,integrate
import pandas as pd

iris = sns.load_dataset("iris")#导入鸢尾花数据集
tips = sns.load_dataset("tips") #导入tips数据集
titanic = sns.load_dataset("titanic") #导入泰坦的数据集
sns.stripplot(x="day",y="total_bill",data=tips,jitter=True)#jitter是数据点可以稍微偏离一些，这样数据量大的时候可以避免画的点全部集中在一起看不清
plt.show()

11. 画某个特征中不同属性的数据单独画出来sns.FacetGrid()

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
from scipy import stats,integrate
import pandas as pd

tips = sns.load_dataset("tips") #导入tips数据集
g = sns.FacetGrid(tips,col="sex",hue="smoker") #将sex这列的数据按照不同的属性分开画，同时加入条件是不是抽烟的
g.map(plt.scatter,"total_bill","tip")
g.add_legend() #显示图例
plt.show()