您现在的位置是：网站首页> 编程资料编程资料
Python数据可视化之Seaborn的使用详解_python_
2023-05-26
373人已围观
简介 Python数据可视化之Seaborn的使用详解_python_
1. 安装 seaborn
安装：
pip install seaborn
导入：
import seaborn as sns
2.准备数据
正式开始之前我们先用如下代码准备一组数据，方便展示使用。
import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns pd.set_option('display.unicode.east_asian_width', True) df1 = pd.DataFrame( {'数据序号': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12], '厂商编号': ['001', '001', '001', '002', '002', '002', '003', '003', '003', '004', '004', '004'], '产品类型': ['AAA', 'BBB', 'CCC', 'AAA', 'BBB', 'CCC', 'AAA', 'BBB', 'CCC', 'AAA', 'BBB', 'CCC'], 'A属性值': [40, 70, 60, 75, 90, 82, 73, 99, 125, 105, 137, 120], 'B属性值': [24, 36, 52, 32, 49, 68, 77, 90, 74, 88, 98, 99], 'C属性值': [30, 36, 55, 46, 68, 77, 72, 89, 99, 90, 115, 101] } ) print(df1) 生成一组数据如下：
3.背景与边框
3.1 设置背景风格
设置风格使用的是sns.set_style()方法，且这里内置的风格，是用背景色表示名字的，但是实际内容不限于背景色。
sns.set_style()
可以选择的背景风格有：
- whitegrid 白色网格
- dark 灰色背景
- white 白色背景
- ticks 四周带刻度线的白色背景
sns.set()
sns.set_style(“darkgrid”)
sns.set_style(“whitegrid”)
sns.set_style(“dark”)
sns.set_style(“white”)
sns.set_style(“ticks”)
其中sns.set()表示使用自定义样式，如果没有传入参数，则默认表示灰色网格背景风格。如果没有set()也没有set_style()，则为白色背景。
一个可能的bug：使用relplot()方法绘制出的图像，"ticks"样式无效。
3.2 其他
seaborn库是基于matplotlib库而封装的，其封装好的风格可以更加方便我们的绘图工作。而matplotlib库常用的语句，在使用seaborn库时也依然有效。
关于设置其他风格相关的属性，如字体，这里有一个细节需要注意的是，这些代码必须写在sns.set_style()的后方才有效。如将字体设置为黑体（避免中文乱码）的代码：
plt.rcParams[‘font.sans-serif’] = [‘SimHei’]
如果在其后方设置风格，则设置好的字体会设置的风格覆盖，从而产生警告。其他属性也同理。
3.3 边框控制
sns.despine()方法
# 移除顶部和右部边框，只保留左边框和下边框 sns.despine() # 使两个坐标轴相隔一段距离（以10长度为例） sns.despine(offet=10,trim=True) # 移除左边框 sns.despine(left=True) # 移除指定边框 （以只保留底部边框为例） sns.despine(fig=None, ax=None, top=True, right=True, left=True, bottom=False, offset=None, trim=False)
4. 绘制 散点图
使用seaborn库 绘制散点图，可以使用replot()方法，也可以使用scatter()方法。
replot方法的参数kind默认是’scatter’，表示绘制散点图。
hue参数表示 在该一维度上，用颜色区分
①对A属性值和数据序号绘制散点图，红色散点，灰色网格，保留左、下边框
sns.set_style(‘darkgrid') plt.rcParams[‘font.sans-serif'] = [‘SimHei'] sns.relplot(x=‘数据序号', y=‘A属性值', data=df1, color=‘red') plt.show()
②对A属性值和数据序号绘制散点图，散点根据产品类型的不同显示不同的颜色，
白色网格，左、下边框：
sns.set_style(‘whitegrid') plt.rcParams[‘font.sans-serif'] = [‘SimHei'] sns.relplot(x=‘数据序号', y=‘A属性值', hue=‘产品类型', data=df1) plt.show()
③将A属性、B属性、C属性三个字段的值用不同的样式绘制在同一张图上（绘制散点图），x轴数据是[0,2,4,6,8…]
ticks风格（四个方向的框线都要），字体使用楷体
sns.set_style(‘ticks') plt.rcParams[‘font.sans-serif'] = [‘STKAITI'] df2 = df1.copy() df2.index = list(range(0, len(df2)*2, 2)) dfs = [df2[‘A属性值'], df2[‘B属性值'], df2[‘C属性值']] sns.scatterplot(data=dfs) plt.show()
5. 绘制 折线图
使用seaborn库绘制折线图， 可以使用replot()方法，也可以使用lineplot()方法。
5.1 使用 replot()方法
sns.replot()默认绘制的是散点图，绘制折线图只需吧参数kind改为"line"。
①需求：绘制A属性值与数据序号的折线图，
灰色网格，全局字体为楷体；并调整标题、两轴标签 的字体大小，
以及坐标系与画布边缘的距离（设置该距离是因为字体没有显示完全）：
sns.set(rc={‘font.sans-serif': “STKAITI”}) sns.relplot(x=‘数据序号', y=‘A属性值', data=df1, color=‘purple', kind=‘line') plt.title(“绘制折线图”, fontsize=18) plt.xlabel(‘num', fontsize=18) plt.ylabel(‘A属性值', fontsize=16) plt.subplots_adjust(left=0.15, right=0.9, bottom=0.1, top=0.9) plt.show()
②需求：绘制不同产品类型的A属性折线（三条线一张图），whitegrid风格，字体楷体。
sns.set_style(“whitegrid”) plt.rcParams[‘font.sans-serif'] = [‘STKAITI'] sns.relplot(x=‘数据序号', y=‘A属性值', hue=‘产品类型', data=df1, kind=‘line') plt.title(“绘制折线图”, fontsize=18) plt.xlabel(‘num', fontsize=18) plt.ylabel(‘A属性值', fontsize=16) plt.subplots_adjust(left=0.15, right=0.9, bottom=0.1, top=0.9) plt.show()
③需求：将A属性、B属性、C属性三个字段的值用不同的样式绘制在同一张图上（绘制折线图），x轴数据是[0,2,4,6,8…]
darkgrid风格（四个方向的框线都要），字体使用楷体，并加入x轴标签，y轴标签和标题。边缘距离合适。
sns.set_style(‘darkgrid') plt.rcParams[‘font.sans-serif'] = [‘STKAITI'] df2 = df1.copy() df2.index = list(range(0, len(df2)*2, 2)) dfs = [df2[‘A属性值'], df2[‘B属性值'], df2[‘C属性值']] sns.relplot(data=dfs, kind=“line”) plt.title(“绘制折线图”, fontsize=18) plt.xlabel(‘num', fontsize=18) plt.ylabel(‘A属性值', fontsize=16) plt.subplots_adjust(left=0.15, right=0.9, bottom=0.1, top=0.9) plt.show()
③多重子图
横向多重子图 col
sns.set_style(‘darkgrid') plt.rcParams[‘font.sans-serif'] = [‘STKAITI'] sns.relplot(data=df1, x=“A属性值”, y=“B属性值”, kind=“line”, col=“厂商编号”) plt.subplots_adjust(left=0.05, right=0.95, bottom=0.1, top=0.9) plt.show()
纵向多重子图 row
sns.set_style(‘darkgrid') plt.rcParams[‘font.sans-serif'] = [‘STKAITI'] sns.relplot(data=df1, x=“A属性值”, y=“B属性值”, kind=“line”, row=“厂商编号”) plt.subplots_adjust(left=0.15, right=0.9, bottom=0.1, top=0.95) plt.show()
5.2 使用 lineplot()方法
使用lineplot()方法绘制折线图，其他细节基本同上，示例代码如下：
sns.set_style(‘darkgrid') plt.rcParams[‘font.sans-serif'] = [‘STKAITI'] sns.lineplot(x=‘数据序号', y=‘A属性值', data=df1, color=‘purple') plt.title(“绘制折线图”, fontsize=18) plt.xlabel(‘num', fontsize=18) plt.ylabel(‘A属性值', fontsize=16) plt.subplots_adjust(left=0.15, right=0.9, bottom=0.1, top=0.9) plt.show()
sns.set_style(‘darkgrid') plt.rcParams[‘font.sans-serif'] = [‘STKAITI'] df2 = df1.copy() df2.index = list(range(0, len(df2)*2, 2)) dfs = [df2[‘A属性值'], df2[‘B属性值'], df2[‘C属性值']] sns.lineplot(data=dfs) plt.title(“绘制折线图”, fontsize=18) plt.xlabel(‘num', fontsize=18) plt.ylabel(‘A属性值', fontsize=16) plt.subplots_adjust(left=0.15, right=0.9, bottom=0.1, top=0.9) plt.show()
6. 绘制直方图 displot()
绘制直方图使用的是sns.displot()方法
- bins=6 表示 分成六个区间绘图
- rug=True 表示在x轴上显示观测的小细条
- kde=True表示显示核密度曲线
sns.set_style(‘darkgrid') plt.rcParams[‘font.sans-serif'] = [‘STKAITI'] sns.displot(data=df1[[‘C属性值']], bins=6, rug=True, kde=True) plt.title(“直方图”, fontsize=18) plt.xlabel(‘C属性值', fontsize=18) plt.ylabel(‘数量', fontsize=16) plt.subplots_adjust(left=0.15, right=0.9, bottom=0.1, top=0.9) plt.show()
随机生成300个正
