seaborn的详解03

最新推荐文章于 2025-07-06 06:15:30 发布

醉小义

最新推荐文章于 2025-07-06 06:15:30 发布

阅读量1.1k

点赞数

分类专栏：机器学习

机器学习专栏收录该内容

76 篇文章

订阅专栏

当我们处理数据时，第一件事是探索变量的分布。这一章手册将会对seaborn库中检验单变量，双变量分布的函数进行简单介绍。

画出单变量分布

在seaborn中观察单变量分布最简便的方法是调用displot函数，在默认情况下，将会画出一个直方图和一个通过（ kernel density estimate(KDE).）核密度估计计算出的概率密度函数。

# coding=utf-8

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

'''
sum(map(ord, "distributions"))
    解释；
        ord()为内置函数  把字符转化为ASSIC码
        map(函数) 第一个参数 function 以参数序列中的每一个元素调用 function 函数，返回包含每次 function 函数返回值的新列表。
        # 提供了两个列表，对相同位置的列表数据进行相加
        map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10])
        [3, 7, 11, 15, 19]
        map的列表在sum（[3, 7, 11, 15, 19]） 求和
        
        # sum(map(ord, "distributions")) 等价于下面的代码
            count = 0
            for item in 'distributions':
                count+=ord(item)
 

'''
sns.set(color_codes=True)
np.random.seed(sum(map(ord, "distributions"))) #seed目的 每次产生的随机数都一样
x = np.random.normal(size=100) #正态分布函数
sns.distplot(x,kde=False) #kde 是核密度估计的参数  False是不做
plt.show()

直方图

直方图实际上非常普遍，marplotlib中也有hist函数。
我们在这移除概率密度函数曲线，然后画出 rug plot,这会在样本点出画出小竖杠。你可以通过rugplot函数画出rug，当然这在一功能在displot():

sns.distplot(x, kde=False, rug=True);

233
当画直方图时，最重要的选项是格子的数目。在缺失状态下displot()函数运用了一个很简单的准则对这一数字进行了不错的猜想。但是试试更少或者更多可能展现出数据更多的特征。

核密度估计

核密度估计并非广为人知，但是它确实是在绘制分布形状时的有力工具。与在直方图中一样，KDE图中一条轴为样本分布，另一条轴为密度。

sns.distplot(x, hist=False, rug=True);

233
画出KDE曲线比直方图需要跟多的计算，首先依据以每个观测为均值建立多个正态分布。（具体估计方法。。我去查查书）

x = np.random.normal(0, 1, size=30)
bandwidth = 1.06 * x.std() * x.size ** (-1 / 5.)
support = np.linspace(-4, 4, 200)

kernels = []
for x_i in x:

    kernel = stats.norm(x_i, bandwidth).pdf(support)
    kernels.append(kernel)
    plt.plot(support, kernel, color="r")

sns.rugplot(x, color=".2", linewidth=3);

233
接下来将其汇总，调整至积分等于1。

density = np.sum(kernels, axis=0)
density /= integrate.trapz(density, support)
plt.plot(support, density);

我们可以看到如果我们调用seaborn库中的kdeplot()函数可以画出相同的图像。这个函数在displot()函数中也被调用，相比之下在你只想要密度函数估计时，它提供了更加细致的选项和接口。

sns.kdeplot(x, shade=True);

KDE中的bandwith(bw)参数，控制估计拟合数据的紧密程度。类似于直方图中分箱（bin）数量。默认的就不错了，但是你也可以调整，来得到一些别的信息。

sns.kdeplot(x)
sns.kdeplot(x, bw=.2, label="bw: 0.2")
sns.kdeplot(x, bw=2, label="bw: 2")
plt.legend();

从上面的图形中，你可以看到画出的估计曲线超过了观测的最大最小值。我们可以通过cut参数控制这一情况，不过这只会改变图形的样子，并不会改变实际估计出来的曲线。

sns.kdeplot(x, shade=True, cut=0)
sns.rugplot(x);

233

拟合分布

你也可以用displot()函数，拟合一个分布（也许是你的猜想）（参数由数据集决定），并将其可视化，观察拟合情况。

x = np.random.gamma(6, size=200)
sns.distplot(x, kde=False, fit=stats.gamma);

233

绘制双变量分布

绘制双变量分布是有时是十分有用的。在seaborn中最简的方法是调用jointplot函数。它会既画出每个变量的分布，也会画出双变量的联合分布。

mean, cov = [0, 1], [(1, .5), (.5, 1)]  #根据均值和协方差生成数据
data = np.random.multivariate_normal(mean, cov, 200)
df = pd.DataFrame(data, columns=["x", "y"])

散点图

散点图是jointplot函数的默认结果。

sns.jointplot(x="x", y="y", data=df);

233

像素图

也可以在jointplot中完成，白色背景效果最好。

x, y = np.random.multivariate_normal(mean, cov, 1000).T
with sns.axes_style("white"):
    sns.jointplot(x=x, y=y, kind="hex", color="k"); #kind 指定为hex类型

233

核密度估计

当然也可以用jointplot画出概率密度分布

233

你也可以用kdeplot函数画出双变量核密度函数。这可以允许你指定某一变量在你希望的数轴上。

f, ax = plt.subplots(figsize=(6, 6))
sns.kdeplot(df.x, df.y, ax=ax)
sns.rugplot(df.x, color="g", ax=ax)
sns.rugplot(df.y, vertical=True, ax=ax);

233
如果你想使密度函数更加的连续，你可以提高等高线的数量（increase the number of contour levels）比如下面这种骚操作~。~

f, ax = plt.subplots(figsize=(6, 6))
cmap = sns.cubehelix_palette(as_cmap=True, dark=0, light=1, reverse=True)
sns.kdeplot(df.x, df.y, cmap=cmap, n_levels=60, shade=True);

233

jointplot()函数使用JointGrid来管理图形。为了令使用达到最大的灵活性，可以直接使用JointGrid来绘制图形。 jointplot()在绘制后返回JointGrid对象，可以使用它添加更多图层或调整可视化的其他方面：

g = sns.jointplot(x="x", y="y", data=df, kind="kde", color="m")
g.plot_joint(plt.scatter, c="w", s=30, linewidth=1, marker="+")
g.ax_joint.collections[0].set_alpha(0)
g.set_axis_labels("$X$", "$Y$")
plt.show()

233

多变量成组可视化

如果你想绘制数据集中多个成对的变量，你可以使用pairplot()函数。它会生成一个含有轴的矩阵，在默认状态下，会将数据集中所有列成对可视化。

iris = sns.load_dataset("iris") #鸢尾花数据集 4个特征 是seaborn定义好的数据  直接调用，加载
sns.pairplot(iris);

233

g = sns.PairGrid(iris)
g.map_diag(sns.kdeplot)
g.map_offdiag(sns.kdeplot, cmap="Blues_d", n_levels=6);

/Users/mwaskom/anaconda/lib/python2.7/site-packages/matplotlib/axes/_axes.py:545: UserWarning: No labelled objects found. Use label='...' kwarg on individual plots.
  warnings.warn("No labelled objects found. "

233