python数据可视化之Seaborn（一）

Alysa ·

更新时间:2024-11-14

· 664 次阅读

写在开头：在Titani数据可视化中使用到了Seaborn的绘图，为了弄清楚Seaborn绘图的内容，于是开始分享它的相关内容。本文主要参考文献为路远老师的sns教程以及官方文档链接放在文章最后。全文相当于是一个学习的训练。

Seaborn其实就是在matplotlib的基础上进行的高级封装，调用一些封装好了的图形设置。但其设计的灵活性不如matplotlib，因此Seaborn可以说是能够锦上添花的有利工具。

Seaborn可视化内容安排

在Seaborn的学习中安排如下，
在Seaborn的学习中安排如下，
一、画风设置：会简单介绍一下绘图风格（一）与颜色风格（二）的设置；
二、绘图技巧：这里会介绍数据集（三）、相关数据（四）、分类数据（五）、线性关系（六）可视化的相关内容；
三、结构网络：本节主要介绍数据识别结构网络的绘图（七）。
首先我们开始整体布局的介绍。

一、Seaborn画风设置 绘图风格

为了对绘图的美观程度进行改善，我们可以进行一些通用性设置，首先我们引入一个例子来看一看，matplotlib绘图与seaborn绘图的区别。这里使用里ListedColormap()函数进行调色，具体调色名称可见最后参考文献中。我们定义了一组同心圆，下面我们来看看不用的绘图风格下，图形是什么样子的。

#载入包
%matplotlib inline
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib.colors import ListedColormap
np.random.seed(42)
#导入数据函数
def explot():
    color = ['Sienna','Coral','Crimson','GoldEnrod','ForestGreen']
    x = y = np.arange(-3, 3, 0.1)
    x, y = np.meshgrid(x,y)
    for i in range(1,5):
        cmap = ListedColormap(color[i])
        plt.contour(x, y, x**2 + y**2, [i], cmap=cmap)#x**2 + y**2 = i的圆形
    plt.axis('scaled')
    plt.show()

matplotlib默认参数下绘制的结果如下：

explot()

在这里插入图片描述
而使用sns的方法是可以用sns.set()进行简单的设置，输出图片如下，

sns.set()
explot()

在这里插入图片描述
Seaborn包含两组独立的参数组合，分别是风格控制和图形缩放两种方法。
风格控制：axes_style(), set_style()|返回一组字典参数。
图形缩放：plotting_context(), set_context()|会设置matplotlib默认参数。

Seaborn风格控制

在seaborn中有五种风格可以进行切换，分别是：ticks，white，dark，whitegrid，darkgrid，其中darkgrid是默认参数。下面来做几张图看看其中的模样。

#这里没有展示darkgrid的风格
data = np.random.normal(size=(20, 7))+np.sqrt(np.arange(7))
plt.figure(figsize=(20,20))
list = ['ticks', 'white', 'dark', 'whitegrid']
xlabel = ['whitegrid', 'ticks', 'white', 'dark']
for i in range(0,4):
    s = '22'+str(i+1)
    plt.subplot(int(s))
    sns.set_style(list[i])
    sns.boxplot(data=data)
    plt.xlabel(xlabel[i], fontsize=20)

在这里插入图片描述

对轴进行修改

在matplotlib的参数中无法移除图像顶部和右边不必要的轴，于是可以通过Seaborn的despine()方法进行移除。

plt.figure(figsize=(20,5))
x = np.linspace(0, 14, 100)
plt.subplot(121)
for i in range(1, 7):
    plt.plot(x, np.sin(x + i * .5) * (7 - i) * 1)
    sns.despine()
plt.subplot(122)
for i in range(1, 7):
    plt.plot(x, np.sin(x + i * .5) * (7 - i) * 1)

在这里插入图片描述
左边是移除了轴脊柱的图像、右边是原matplotlib的图像。也可以使用despine()方法中的trim参数来限制轴的范围，也可以通过调整控制哪个脊柱被移除

sns.set_style("ticks")
sns.boxplot(data=data)
sns.despine(offset=10, trim=True)

在这里插入图片描述

sns.boxplot(data=data)
sns.despine(offset=10, trim=True, left=True, bottom=True)

在这里插入图片描述

临时切换风格

虽然可以通过set_style()来切换风格，但还可利用axes_style临时设置绘图风格。

plt.figure(figsize=(5,5))
with sns.axes_style("darkgrid"):
    explot()
plt.figure(figsize=(5,5))
explot()

在这里插入图片描述

更改seaborn风格参数

当然还可以根据自己喜好来修改axes_style()和set_style()的参数，这里需要传递的是一个字典参数，我们可以看看axes_style()里有哪些字典参数，

sns.axes_style()

{'axes.facecolor': 'white',
 'axes.edgecolor': '.15',
 'axes.grid': False,
 'axes.axisbelow': True,
 'axes.labelcolor': '.15',
 'figure.facecolor': 'white',
 'grid.color': '.8',
 'grid.linestyle': '-',
 'text.color': '.15',
 'xtick.color': '.15',
 'ytick.color': '.15',
 'xtick.direction': 'out',
 'ytick.direction': 'out',
 'lines.solid_capstyle': 'round',
 'patch.edgecolor': 'w',
 'image.cmap': 'rocket',
 'font.family': ['sans-serif'],
 'font.sans-serif': ['Arial',
  'DejaVu Sans',
  'Liberation Sans',
  'Bitstream Vera Sans',
  'sans-serif'],
 'patch.force_edgecolor': True,
 'xtick.bottom': True,
 'xtick.top': False,
 'ytick.left': True,
 'ytick.right': False,
 'axes.spines.left': True,
 'axes.spines.bottom': True,
 'axes.spines.right': True,
 'axes.spines.top': True}

于是就可以设置自己想要的参数

sns.set_style('white',{"axes.facecolor": ".7"})
x = np.linspace(0, 1, 100)
for i in range(1, 7):
    plt.plot(x, np.cos(x + i * .5) * (7 - i) * 0.1 + np.random.random(1))

在这里插入图片描述

图形缩放

在四个预置环境中，paper、notebook、talk、poster按大小从小到大依次排列，

sns.set()
list = ['paper', 'notebook', 'talk', 'poster']
plt.figure(figsize=(15,15))
x = np.linspace(0, 1, 100)
for k in range(0,4):
    s = '22'+str(k+1)
    plt.subplot(int(s))
    with sns.set_context(list[k])：
    	for i in range(1, 7):
       		plt.plot(x, np.cos(x + i * .5) * (7 - i) * 0.1)
    	plt.xlabel(list[k])

在这里插入图片描述
也可以使用with语句，对应plotting_context()设置临时的缩放控制

plt.figure(figsize=(15,10))
x = np.linspace(0, 1, 100)
with sns.plotting_context('poster'):
    plt.subplot(121)
    for i in range(1, 7):
        plt.plot(x, np.cos(x + i * .5) * (7 - i) * 0.1)
plt.subplot(122)
for i in range(1, 7):
    plt.plot(x, np.cos(x + i * .5) * (7 - i) * 0.1)

在这里插入图片描述
结语
本文从绘图的风格控制函数和图形缩放上进行了讲解，下面将对颜色的空值进行介绍。
谢谢阅读。
参考
路远seaborn教程
seaborn文档