Seaborn
Seaborn
一、Seaborn和Matplotlib对比
Seaborn是matplotlib的强大的一个扩展。
一个例子
要求画出花萼和花瓣的长度的散点图，并且颜色要区分花的种类
花的品种一共三种：
根据花的种类定义好每种花的颜色
|
1 2 |
color_map = dict(zip(iris.Name.unique(), ['blue','green','red'])) |
使用matplotlib画图
|
1 2 3 4 5 6 7 8 9 |
for species, group in iris.groupby('Name'): plt.scatter(group['PetalLength'], group['SepalLength'], color=color_map[species], alpha=0.3, edgecolor=None, label=species) plt.legend(frameon=True, title='Name') plt.xlabel('petalLength') plt.ylabel('sepalLength') |
使用seaborn画图
seaborn比matplotlib画散点图简单的多，只需要一行代码就搞定。
|
1 2 |
sns.lmplot('PetalLength', 'SepalLength', iris, hue='Name', fit_reg=False) |
二、Seaborn实现直方图和密度图
0x1 回顾matplotlib方法
|
1 2 3 4 |
s1 = Series(np.random.randn(1000)) plt.hist(s1) s1.plot(kind='kde') |
0x2 绘制直方图
Seaborn有一个强大的方法：distplot，它支持一些参数：
bins：直方图的分块
hist：True表示绘制直方图，默认为True
kde：True表示绘制密度图，默认为True
rug：显示分布情况，默认为False不显示
|
1 2 |
sns.distplot(s1, hist=True, kde=True) |
可以在下面看出数据分布情况
0x3 绘制密度图
直接传入数据就可以画出密度图：
也可以通过color参数指定颜色：
|
1 2 |
sns.kdeplot(s1, shade=True, color='r') |
小技巧
通过sns.plt可以直接调用plt函数
三、Seaborn实现柱状图和热力图
0x1 数据准备
seaborn提供了一个load_dataset方法可以在线的下载数据作为实验，这里就用这个方法生成实验数据：
load_dataset实现的源码在https://github.com/mwaskom/seaborn/blob/master/seaborn/utils.py
数据透视表
|
1 2 |
df = df.pivot(index='month', columns='year', values='passengers') |
0x2 绘制热力图
seaborn提供了heatmap方法用于绘制热力图：
参数annot=True,fmt='d'可以在热力图中让每一个方块显示具体的值：
0x2 绘制柱状图
柱状图横坐标为年份，纵坐标为这一年所有月份乘客的和：
首先使用sum方法计算出每一年乘客的和：
其中index为年份，values为这一年乘客的和
seaborn提供了barplot方法华柱状图，只需要在参数中指定x和y坐标即可：
|
1 2 |
sns.barplot(x=s.index, y=s.values) |
