超级会员免费看
数据可视化：Seaborn与Pandas的应用
1. 引言
数据可视化是数据分析和机器学习中至关重要的环节，它能够帮助我们直观地理解数据的特征和规律。本文将介绍如何使用Seaborn和Pandas进行数据可视化，通过实际的代码示例展示不同数据集的处理和可视化方法。
2. Seaborn内置数据集的使用
Seaborn是一个基于Matplotlib的Python数据可视化库，它提供了一些内置的数据集，方便我们进行测试和学习。
2.1 小费数据集（Tips Dataset）
以下是读取小费数据集并显示前五行的代码：
import seaborn as sns
df = sns.load_dataset("tips")
print(df.head())
运行上述代码后，输出结果如下：
| | total_bill | tip | sex | smoker | day | time | size |
|—:|:-------------|------:|:--------|:---------|:------|:-------|-------:|
| 0 | 16.99 | 1.01 | Female | No | Sun | Dinner | 2 |
| 1 | 10.34 | 1.66 | Male | No | Sun | Dinner | 3 |
| 2 | 21.01 | 3.5 | Male | No | Sun | Dinner | 3 |
| 3 | 23.68 | 3.31 | Male | No | Sun | Dinner | 2 |
| 4 | 24.59 | 3.61 | Female | No | Sun | Dinner | 4 |
这个数据集包含了餐厅顾客的消费信息，如总账单、小费金额、性别、是否吸烟等。
2.2 鸢尾花数据集（Iris Dataset）
下面的代码展示了如何绘制鸢尾花数据集的散点图：
import seaborn as sns
import matplotlib.pyplot as plt
# Load iris data
iris = sns.load_dataset("iris")
# Construct iris plot
sns.swarmplot(x="species", y="petal_length", data=iris)
# Show plot
plt.show()
在这段代码中，我们首先导入Seaborn和Matplotlib.pyplot库，然后加载鸢尾花数据集。接着，使用
sns.swarmplot()
函数绘制散点图，横轴为鸢尾花的品种（species），纵轴为花瓣长度（petal_length）。最后，使用
plt.show()
函数显示图形。
2.3 泰坦尼克号数据集（Titanic Dataset）
以下代码用于绘制泰坦尼克号数据集的柱状图：
import matplotlib.pyplot as plt
import seaborn as sns
titanic = sns.load_dataset("titanic")
g = sns.factorplot("class", "survived", "sex", data=titanic,
kind="bar", palette="muted", legend=False)
plt.show()
这里，我们同样导入必要的库，加载泰坦尼克号数据集。然后，使用
sns.factorplot()
函数绘制柱状图，展示不同舱位（class）、性别（sex）下的幸存情况（survived）。
3. 从泰坦尼克号数据集提取数据
除了可视化，我们还可以从泰坦尼克号数据集中提取特定的数据子集。
3.1 基本信息和前几行
import matplotlib.pyplot as plt
import seaborn as sns
titanic = sns.load_dataset("titanic")
print("titanic info:")
titanic.info()
print("first five rows of titanic:")
print(titanic.head())
这段代码会输出泰坦尼克号数据集的基本信息，如数据类型、列名、行数等，以及数据集的前五行。
3.2 特定数据提取
print("first four ages:")
print(titanic.loc[0:3,'age'])
print("fifth passenger:")
print(titanic.iloc[4])
上述代码分别提取了前四个乘客的年龄和第五个乘客的详细信息。
3.3 条件查询
query = titanic[
(titanic.sex == 'female')
& (titanic['class'].isin(['First', 'Third']))
& (titanic.age > 30)
& (titanic.survived == 0)
]
print("query:",query)
此代码通过条件筛选，找出了在一等舱或三等舱、年龄大于30岁且未幸存的女性乘客信息。
4. 使用Seaborn可视化Pandas数据集
我们可以使用Seaborn对Pandas数据集进行可视化。以下是一个示例：
import pandas as pd
import random
import matplotlib.pyplot as plt
import seaborn as sns
df = pd.DataFrame()
df['x'] = random.sample(range(1, 100), 25)
df['y'] = random.sample(range(1, 100), 25)
print("top five elements:")
print(df.head())
# display a scatterplot of the data points
sns.lmplot('x', 'y', data=df, fit_reg=False)
plt.show()
在这个例子中，我们创建了一个Pandas数据框，包含两列随机数据。然后，使用
sns.lmplot()
函数绘制散点图，展示数据点的分布。
5. Pandas中的数据可视化
除了Seaborn，Pandas本身也提供了一些数据可视化的功能。
5.1 创建随机数据框
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
df = pd.DataFrame(np.random.rand(16,3),
columns=['X1','X2','X3'])
print("First 5 rows:")
print(df.head())
print()
print("Diff of first 5 rows:")
print(df.diff().head())
这段代码创建了一个包含16行3列随机数的数据框，并输出了前五行和前五行的差值。
5.2 绘制不同类型的图表
# bar chart:
#ax = df.plot.bar()
# horizontal stacked bar chart:
#ax = df.plot.barh(stacked=True)
# vertical stacked bar chart:
ax = df.plot.bar(stacked=True)
# stacked area graph:
#ax = df.plot.area()
# non-stacked area graph:
#ax = df.plot.area(stacked=False)
#plt.show(ax)
这里提供了多种图表的绘制代码，如柱状图、水平堆叠柱状图、垂直堆叠柱状图、堆叠面积图和非堆叠面积图。你可以根据需要取消相应代码的注释来显示不同的图表。
6. 总结
通过本文的介绍，我们了解了如何使用Seaborn和Pandas进行数据可视化。Seaborn提供了丰富的内置数据集和可视化函数，方便我们对不同类型的数据进行可视化展示。Pandas则在数据处理和简单可视化方面表现出色。在实际应用中，我们可以根据具体需求选择合适的工具和方法，以更好地理解和分析数据。
下面是一个mermaid流程图，展示了数据可视化的基本流程：
graph LR
A[数据准备] --> B[选择可视化工具]
B --> C{工具类型}
C -- Seaborn --> D[加载内置数据集]
C -- Pandas --> E[创建或加载数据框]
D --> F[选择可视化方法]
E --> F
F --> G[绘制图表]
G --> H[显示或保存图表]
同时，为了更清晰地展示不同数据集和可视化方法的对应关系，我们可以使用以下表格：
| 数据集 | 可视化工具 | 可视化方法 | 示例代码 |
| — | — | — | — |
| 小费数据集 | Seaborn | 显示前几行 |
import seaborn as sns; df = sns.load_dataset("tips"); print(df.head())
|
| 鸢尾花数据集 | Seaborn | 散点图 |
import seaborn as sns; import matplotlib.pyplot as plt; iris = sns.load_dataset("iris"); sns.swarmplot(x="species", y="petal_length", data=iris); plt.show()
|
| 泰坦尼克号数据集 | Seaborn | 柱状图 |
import matplotlib.pyplot as plt; import seaborn as sns; titanic = sns.load_dataset("titanic"); g = sns.factorplot("class", "survived", "sex", data=titanic, kind="bar", palette="muted", legend=False); plt.show()
|
| 随机Pandas数据集 | Seaborn | 散点图 |
import pandas as pd; import random; import matplotlib.pyplot as plt; import seaborn as sns; df = pd.DataFrame(); df['x'] = random.sample(range(1, 100), 25); df['y'] = random.sample(range(1, 100), 25); sns.lmplot('x', 'y', data=df, fit_reg=False); plt.show()
|
| 随机Pandas数据集 | Pandas | 柱状图等 |
import pandas as pd; import numpy as np; import matplotlib.pyplot as plt; df = pd.DataFrame(np.random.rand(16,3), columns=['X1','X2','X3']); ax = df.plot.bar(stacked=True); plt.show(ax)
|
通过这些工具和方法，我们可以更高效地进行数据可视化，从而更好地挖掘数据中的信息。
数据可视化：Seaborn与Pandas的应用
7. 数据可视化的进一步探索
在前面的内容中，我们已经介绍了Seaborn和Pandas在数据可视化方面的基本应用。接下来，我们将进一步探索一些更高级的用法和技巧。
7.1 Seaborn中的其他可视化方法
除了前面提到的散点图和柱状图，Seaborn还提供了许多其他类型的可视化方法，如密度图、箱线图、小提琴图等。以下是一些示例代码：
import pandas as pd
import random
import matplotlib.pyplot as plt
import seaborn as sns
df = pd.DataFrame()
df['x'] = random.sample(range(1, 100), 25)
df['y'] = random.sample(range(1, 100), 25)
# display a density plot
sns.kdeplot(df.y)
plt.show()
# display a boxplot
sns.boxplot([df.y, df.x])
plt.show()
# display a violin plot
sns.violinplot([df.y, df.x])
plt.show()
在这段代码中，我们首先创建了一个包含随机数据的Pandas数据框。然后，分别使用
sns.kdeplot()
绘制密度图，展示数据的分布情况；使用
sns.boxplot()
绘制箱线图，展示数据的四分位数、中位数和异常值；使用
sns.violinplot()
绘制小提琴图，结合了箱线图和密度图的特点。
7.2 Pandas中的数据处理与可视化结合
Pandas不仅可以进行简单的可视化，还可以与数据处理操作相结合，生成更有意义的图表。例如，我们可以对数据进行分组、聚合，然后绘制相应的图表。
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
df = pd.DataFrame({
'category': ['A', 'B', 'A', 'B', 'A', 'B'],
'value': np.random.randn(6)
})
# 按类别分组并计算均值
grouped = df.groupby('category').mean()
# 绘制柱状图
grouped.plot.bar()
plt.show()
在这个例子中，我们创建了一个包含类别和数值的数据框。然后，使用
groupby()
方法按类别分组，并计算每组的均值。最后，使用
plot.bar()
方法绘制柱状图，展示不同类别的均值。
8. 数据可视化的最佳实践
在进行数据可视化时，遵循一些最佳实践可以使图表更加清晰、准确地传达信息。
8.1 选择合适的图表类型
不同的图表类型适用于不同的数据和分析目的。例如：
-
柱状图
：适用于比较不同类别之间的数值大小。
-
折线图
：适用于展示数据随时间或其他连续变量的变化趋势。
-
散点图
：适用于展示两个变量之间的关系。
-
饼图
：适用于展示各部分占总体的比例。
以下是一个选择图表类型的决策流程图：
graph LR
A[数据类型] --> B{是否为分类数据}
B -- 是 --> C{比较数值大小}
C -- 是 --> D[柱状图]
C -- 否 --> E{展示比例}
E -- 是 --> F[饼图]
E -- 否 --> G[其他]
B -- 否 --> H{是否为连续数据}
H -- 是 --> I{展示变化趋势}
I -- 是 --> J[折线图]
I -- 否 --> K{展示关系}
K -- 是 --> L[散点图]
K -- 否 --> M[其他]
8.2 保持图表的简洁性
避免在图表中添加过多的元素，以免干扰读者对主要信息的理解。例如，减少不必要的网格线、标签和颜色。同时，确保图表的标题和轴标签清晰明了，能够准确描述图表的内容。
8.3 注意数据的准确性
在绘制图表之前，确保数据的准确性和完整性。对数据进行必要的清洗和预处理，去除异常值和缺失值。同时，在图表中提供必要的统计信息，如均值、中位数、标准差等，以便读者更好地理解数据。
9. 实际案例分析
为了更好地说明数据可视化的应用，我们来看一个实际案例。假设我们有一个销售数据集，包含不同产品在不同地区的销售数量和销售额。
9.1 数据准备
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
# 创建示例数据
data = {
'product': ['Product A', 'Product B', 'Product A', 'Product B'],
'region': ['Region 1', 'Region 1', 'Region 2', 'Region 2'],
'sales_quantity': [100, 200, 150, 250],
'sales_amount': [1000, 2000, 1500, 2500]
}
df = pd.DataFrame(data)
9.2 可视化分析
- 不同产品在各地区的销售数量比较
# 绘制柱状图
sns.barplot(x='product', y='sales_quantity', hue='region', data=df)
plt.title('Sales Quantity by Product and Region')
plt.show()
这个柱状图可以直观地展示不同产品在不同地区的销售数量差异。
- 销售数量与销售额的关系
# 绘制散点图
sns.scatterplot(x='sales_quantity', y='sales_amount', hue='product', data=df)
plt.title('Relationship between Sales Quantity and Sales Amount')
plt.show()
通过散点图，我们可以观察到销售数量和销售额之间的关系，以及不同产品的分布情况。
10. 总结与展望
通过本文的学习，我们深入了解了Seaborn和Pandas在数据可视化方面的应用，包括内置数据集的使用、数据提取、不同类型图表的绘制以及最佳实践等内容。数据可视化是数据分析和机器学习中不可或缺的环节，它能够帮助我们更直观地理解数据，发现数据中的规律和趋势。
在未来的数据分析工作中，我们可以根据具体需求选择合适的可视化工具和方法，结合数据处理和机器学习算法，进一步挖掘数据的价值。同时，随着数据可视化技术的不断发展，我们可以期待更多更强大的工具和功能出现，为我们的数据分析工作带来更多的便利和创新。
以下是一个总结表格，对比了Seaborn和Pandas在数据可视化方面的特点：
| 工具 | 特点 | 适用场景 |
| — | — | — |
| Seaborn | 提供丰富的内置数据集和高级可视化函数，图表美观、易定制 | 探索性数据分析、展示复杂数据关系 |
| Pandas | 简单易用，与数据处理操作紧密结合 | 快速可视化、数据初步分析 |
希望本文能够帮助你更好地掌握数据可视化的技巧，在实际工作中发挥更大的作用。
扫一扫
2372
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
