Python可视化：Seaborn（二）

本文由 保一雄@科赛网 数据分析师 原创。

Seaborn是一个很棒的可视化库，尤其是当数据维度很大时，它可以让我们用最少的代码去绘制一些描述性统计的图，便于找寻各维度变量之间的特征。

继上篇Python可视化：Seaborn（一），分享过用Seaborn做Distribution Visualization，本篇我们将分享用Seaborn做Categorial Visualization，包括其中涉及的Stripplot & Swarmplot，Boxplot & Violinplot，Barplot & Pointplot，以及抽象化的Factorplot。

我们此处结合科赛网上公开的Iris鸢尾花数据集进行演示说明。

文中所有完整源代码均可通过 K-Lab在线数据分析协作工具 复现。它 涵盖了Python、R等主流语言，完成了包括Seaborn、Pandas、Numpy等90%以上数据分析&挖掘相关库的部署，帮助数据人才专注数据分析本身，提高效率。

Iris鸢尾花数据集：是常用的分类实验数据集，由Fisher, 1936收集整理。是一类多重变量分析的数据集。共包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度(sepal_length)，花萼宽度(sepal_width)，花瓣长度(petal_length)，花瓣宽度(petal_width)4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。

导入库

import warnings warnings.filter

warnings("ignore") 

import pandas as pd 

import numpy as np 

import matplotlib.pyplot as plt %matplotlib inline 

import seaborn as sns

Stripplot

Stripplot的本质就是把数据集中具有Quantitative属性的变量按照类别去做散点图(Scatterplot)。

我们将纸鸢花数据集中不同种类花的Sepal Length做Stripplot可视化。

plt.figure(1,figsize=(12,6)) 

 plt.subplot(1,2,1) 

sns.stripplot(x='species',y='sepal_length',data=iris) #stripplot 

plt.title('Striplot of sepal length of Iris species')with sns.axes_style("whitegrid"): # 这个是临时设置样式的命令，如果不写，则按默认格式'darkgrid'进行绘制 

 plt.subplot(1,2,2) 

 plt.title('Striplot of sepal length of Iris species') sns.stripplot(x='species',y='sepal_length',data=iris,jitter=True) # jitterplot 

 plt.show()

上边左侧的图片便是在默认风格下用Stripplot绘制的散点图。在很多情况下，Stripplot中的点会重叠，使得我们不容易看出点的分布情况。一个简单的解决办法就是用在Stripplot的基础上绘制抖动图(jitterplot)，仅沿着类别坐标轴的方向去随机微调整点的位置，显示出分布情况。

Swarmplot

另一个解决Stripplot中点重叠的办法就是绘制Swarmplot,它的本质就是用通过算法，在类别坐标轴的方向上去‘延展’绘制这些原本重合的点。 我们将纸鸢花数据集中不同种类花的Petal Length和Petal width做Swarmplot可视化。

plt.figure(1,figsize=(12,6)) 

plt.subplot(1,2,1) 

sns.swarmplot(x='species',y='petal_length',data=iris) 

with sns.axes_style("ticks"): # 这次使用了ticks风格 

plt.subplot(1,2,2) 

 sns.swarmplot(x='species',y='petal_width',data=iris) 

 plt.show()

Boxplot

箱形图，主要包含六个数据节点，将一组数据从大到小排列，分别计算出上边缘，上四分位数Q3，中位数，下四分位数Q1，下边缘，还有异常值。 下面将纸鸢花数据集中的四个变量sepal_length, sepal_width, petal_length和petal_width做箱形图可视化。

var = ['sepal_length','sepal_width','petal_length','petal_width'] 

axes_style = ['ticks','white','whitegrid', 'dark'] 

fig = plt.figure(1,figsize=(12,12))for i in range(4): with sns.axes_style(axes_style[i]): # 将除了默认的darkgrid之外的样式都展现一遍 

 plt.subplot(2,2,i+1) sns.boxplot(x='species',y=var[i],data=iris) 

 plt.show()

Violinplot

Violinplot相当于结合了箱形图与核密度图，更好地展现出数据的量化形态。

context= ['notebook','paper','talk','poster'] 

axes_style = ['ticks','white','whitegrid', 'dark'] 

 plt.figure(1,figsize=(12,12))for i in range(4): with sns.axes_style(axes_style[i]):#设置axes_style 

 sns.set_context(context[i]) # 设置context style,默认为notebook,除此之外还有paper,talk,poster 

 plt.subplot(2,2,i+1) 

 plt.title(str(var[i])+ ' in Iris species') 

 sns.violinplot(x='species',y=var[i],data=iris) 

 plt.show()

Violinplot用Kernel Density Estimate去更好地描述了quantitative变量的分布。

与此同时，也可以组合Swarmplot和Boxplot或Violinplot去描述Quantitative变量。用鸢尾花数据集展示如下：

context= ['notebook','paper','talk','poster'] 

axes_style = ['ticks','white','whitegrid', 'dark'] 

 plt.figure(1,figsize=(12,12))for i in range(4): with 

sns.axes_style(axes_style[i]):#设置axes_style sns.set_context(context[i])#设置context 

plt.subplot(2,2,i+1) 

 plt.title(str(var[i])+ ' in Iris species') 

 sns.swarmplot(x='species', y=var[i], data=iris, color="w", alpha=.5) 

sns.violinplot(x='species', y=var[i], data=iris, inner=None) if i%2 ==0 \ else sns.boxplot(x='species', y=var[i], data=iris) # 分别用swarmplot+violinplot 和swarmplot + boxplot 

 plt.show()

Barplot

Barplot主要是展现在分类中的Quantitative变量的平均值情况，并且用了Boostrapping算法计算了估计值的置信区间和Error bar.用鸢尾花数据集。

plt.figure(1,figsize=(12,12))for i in range(4): with sns.axes_style(axes_style[i]):#设置axes_style 

 sns.set_context(context[i]) # 设置context style,默认为notebook,除此之外还有paper,talk,poster plt.subplot(2,2,i+1) 

 plt.title(str(var[i])+ ' in Iris species') sns.barplot(x='species',y=var[i],data=iris) 

plt.show()

Countplot

如果想知道在每个类别下面有多少个观察值，用Countplot就可以，相当于是做一个Observation Counts，用鸢尾花数据集展示如下：

plt.figure(figsize=(5,5)) sns.countplot(y="species", data=iris) # 设置y='species',将countplot水平放置 

plt.title('Iris species count') 

plt.show()

Pointplot

Pointplot相当于是对Barplot做了一个横向延伸，一方面，用Point Estimate和Confidence Level去展示Barplot的内容；另一方面，当每一个主类别下面有更细分的Sub-Category的时候，Pointplot可以便于观察不同Sub-Category在各主类别之间的联系。展示如下：

plt.figure(1,figsize=(12,12))for i in range(4): with sns.axes_style(axes_style[i]):#设置axes_style 

 sns.set_context(context[i]) # 设置context style,默认为notebook,除此之外还有paper,talk,poster plt.subplot(2,2,i+1) 

 plt.title(str(var[i])+ ' in Iris species') sns.pointplot(x='species',y=var[i],data=iris) 

plt.show()

Factorplot

Factorplot可以说是Seaborn做Category Visualization的精髓，前面讲的这些Plot都可以说是Factorplot的具体展示。我们可以用PariGrid去实现对多个类别的数值特征用同一种Plot做可视化。

sns.set(style="ticks") g = sns.PairGrid(iris, x_vars = ['sepal_length','sepal_width','petal_length','petal_width'], y_vars = 'species', aspect=0.75,size=4) # 设置间距和图片大小 g.map(sns.violinplot,palette='pastel') 

plt.show()

在这个数据集中，Quantitative的变量主要有房屋的面积Area,每平米单价Price，以及房屋总价Tprice。

科赛网(kesci.com)是聚合数据人才和行业问题的在线社区，重点打造的K-Lab在线数据分析协作平台，为数据工作者的学习与工作带来全新的体验。