概述

• Seaborn是Python流行的數(shù)據(jù)可視化庫

• Seaborn結(jié)合了美學(xué)和技術(shù),這是數(shù)據(jù)科學(xué)項目中的兩個關(guān)鍵要素

• 了解其Seaborn作原理以及使用它生成的不同的圖表

介紹

一個精心設(shè)計的可視化程序有一些特別之處。顏色突出，層次很好地融合在一起，整個輪廓流動，整個程序不僅有一個很好的美學(xué)質(zhì)量，它也為我們提供了有意義的技術(shù)洞察力。

這在數(shù)據(jù)科學(xué)中非常重要，因為我們經(jīng)常處理大量雜亂的數(shù)據(jù)。對于數(shù)據(jù)科學(xué)家來說，具有可視化的能力是至關(guān)重要的。我們的利益相關(guān)者或客戶將更多地依賴于視覺提示，而不是復(fù)雜的機器學(xué)習(xí)模型。

有大量優(yōu)秀的Python可視化庫可用，包括內(nèi)置的matplotlib。但Seaborn對我來說很重要。它將美學(xué)魅力與技術(shù)洞察力無縫地結(jié)合在一起，我們很快就會看到這一點。

在本文中，我們將了解什么是seaborn以及為什么應(yīng)該使用它而不是matplotlib。然后我們將使用seaborn在Python中為數(shù)據(jù)生成各種不同的可視化。

目錄

• 什么是Seaborn?

• 為什么應(yīng)該使用Seaborn而不是matplotlib?

• 搭建環(huán)境

• 使用Seaborn進行數(shù)據(jù)可視化

• 可視化統(tǒng)計關(guān)系

• 用分類數(shù)據(jù)繪圖

• 可視化數(shù)據(jù)集的分布

什么是Seaborn?

你曾經(jīng)在R中使用過ggplot2庫嗎?它是任何工具或語言中最好的可視化包之一。Seaborn給了我同樣的感覺。

Seaborn是一個構(gòu)建在matplotlib之上的一個非常完美的Python可視化庫。

它使我們能夠創(chuàng)建放大的數(shù)據(jù)視覺效果。這有助于我們理解數(shù)據(jù)，通過在可視上下文中顯示數(shù)據(jù)來發(fā)現(xiàn)變量或趨勢之間的任何隱藏相關(guān)性，而這些相關(guān)性最初可能并不明顯。與Matplotlib的低級接口相比，Seaborn具有高級接口。

為什么應(yīng)該使用Seaborn而不是matplotlib?

我一直在談?wù)揝eaborn是多么的棒，所以你可能想知道我為什么這么大驚小怪。

當(dāng)我們使用seaborn生成圖時，我將以實際的方式全面地回答這個問題?，F(xiàn)在，讓我們快速討論一下seaborn為什么在matplotlib之上。

Seaborn使我們的圖表和繪圖看起來很吸引人，并支持一些常見的數(shù)據(jù)可視化需求(比如將顏色映射到變量或使用分面(faceting))。從根本上說，它使數(shù)據(jù)可視化和探索變得很容易。相信我，這在數(shù)據(jù)科學(xué)中不是一件容易的事。

如果Matplotlib'試圖讓簡單的事情變得簡單，而讓困難的事情變得可能'，那么seaborn也嘗試讓一組定義良好的困難事情變得簡單?！~克爾·瓦斯科姆(Seaborn的創(chuàng)始人)

在matplotlib中有幾個(很大的)限制是Seaborn已經(jīng)修復(fù)的:

1. Seaborn提供了大量的高級接口和自定義主題，而matplotlib沒有這些接口，因為很難確定哪些設(shè)置使圖表更吸引人

2. Matplotlib函數(shù)不能很好地處理數(shù)據(jù)流，而seaborn可以

這第二點在數(shù)據(jù)科學(xué)中很突出，因為我們經(jīng)常使用數(shù)據(jù)模型。

搭建環(huán)境

seaborn庫具有四個必需的必需依賴項:

• NumPy (>= 1.9.3)

• SciPy (>= 0.14.0)

• matplotlib (>= 1.4.3)

• Pandas (>= 0.15.2)

要安裝Seaborn并有效地使用它，首先需要安裝前面提到的依賴項。一旦這一步完成，我們都準(zhǔn)備安裝Seaborn和享受其迷人的繪圖。要安裝Seaborn，可以使用以下代碼

要安裝最新版本的seaborn，你可以使用pip:

你也可以使用conda安裝最新版本的seaborn:

conda install seaborn

要在代碼中導(dǎo)入依賴項和seaborn本身，可以使用以下代碼

就是這樣!我們都準(zhǔn)備好了詳細地探索seaborn。

用于數(shù)據(jù)可視化的數(shù)據(jù)集

我們將主要處理兩個數(shù)據(jù)集:

• 人力資源分析

  (https://datahack./contest/wns-analytics-hackathon-2018-1/)

• 預(yù)測投票數(shù)

  (https://datahack./contest/enigma-codefest-machine-learning-1/)

之所以選擇這兩個，是因為它們包含多個變量，因此我們有很多選擇可以使用。這兩個數(shù)據(jù)集還可以模擬現(xiàn)實情況，因此你將了解數(shù)據(jù)可視化和了解業(yè)內(nèi)的數(shù)據(jù)可視化方式。

你可以在DataHack平臺上查看這個和其他高質(zhì)量的數(shù)據(jù)集。因此，請在繼續(xù)之前下載上述兩個數(shù)據(jù)集。我們將一起使用它們。

使用Seaborn進行數(shù)據(jù)可視化

讓我們開始吧！我已將此實現(xiàn)部分分為兩類:

• 可視化統(tǒng)計關(guān)系

• 繪制分類數(shù)據(jù)

我們將研究每個類別的多個示例，以及如何使用seaborn對其進行繪制。

可視化統(tǒng)計關(guān)系

統(tǒng)計關(guān)系表示理解數(shù)據(jù)集中不同變量之間的關(guān)系以及這種關(guān)系如何影響或依賴于其他變量的過程。

在這里，我們將使用seaborn生成以下圖:

• Scatter plot (散點圖)

• SNS.relplot

• Hue plot (Hue圖)

我選擇了預(yù)測投票數(shù)數(shù)據(jù)集。所以，讓我們導(dǎo)入數(shù)據(jù)集:

df = pd.read_csv(r'train.csv')
df.head()

使用Seaborn繪制散點圖

散點圖可能是可視化兩個變量之間關(guān)系的最常見的例子。每個點在數(shù)據(jù)集中顯示一個觀察值，這些觀察值用點狀結(jié)構(gòu)表示。圖中顯示了兩個變量的聯(lián)合分布。

為了繪制散點圖，我們將使用seaborn庫的relplot()函數(shù)。它是可視化統(tǒng)計關(guān)系的圖形級角色。默認情況下，使用relplot會生成散點圖:

Seaborn的SNS.relplot

SNS.relplot是來自SNS類的relplot函數(shù)，SNS類是我們在上面與其他依賴項一起導(dǎo)入的一個seaborn類。

這里，參數(shù)是x、y，數(shù)據(jù)有在X,Y軸上表示的變量和我們要分別畫出來的數(shù)據(jù)點，通過圖片，我們發(fā)現(xiàn)了views和upvotes之間的關(guān)系。

接下來，如果我們想要看到與數(shù)據(jù)相關(guān)的標(biāo)簽，我們可以使用下面的代碼:

sns.relplot(x='Views', y='Upvotes', hue = 'Tag', data = df)

Hue圖

我們可以在色調(diào)(Hue)的幫助下在我們的圖片中添加另一個維度，通過為點賦予顏色來實現(xiàn)，每種顏色都有一些附加的意義。

在上圖中，色調(diào)代表是樣本類別，這就是為什么它有一個不同的顏色。如果色調(diào)代表的只是數(shù)字，那么色調(diào)就應(yīng)該是連續(xù)的(因為數(shù)字是連續(xù)的，樣本類別不是連續(xù)的)。

我們還可以更改每個點的大小:

sns.relplot(x='Views', y='Upvotes', size = 'Tag', data = df);

我們還可以手動更改大小，方法是使用另一個參數(shù)size=(15,200)。

用分類數(shù)據(jù)繪圖

• 抖動圖

• Hue圖

• 箱線圖

• 小提琴圖

• Pointplot

在上面的小節(jié)中，我們了解了如何使用不同的視圖表示來顯示多個變量之間的關(guān)系。我們繪制了兩個數(shù)值變量之間的關(guān)系圖。在本節(jié)中，我們將看到兩個變量之間的關(guān)系。例子中的數(shù)據(jù)是已分類的(分為不同的組)。

我們將使用seaborn庫的catplot()函數(shù)來繪制分類數(shù)據(jù)圖。就讓我們一探究竟吧

抖動圖

對于抖動圖，我們將使用另一個數(shù)據(jù)集人力資源分析來分析，讓我們現(xiàn)在導(dǎo)入該數(shù)據(jù)集。

現(xiàn)在，我們將使用catplot()函數(shù)查看education列和avg_training_score列之間的關(guān)系。

sns.catplot(x='education', y='avg_training_score', jitter = False,  data=df2)

我們可以看到圖表是散開的，所以為了處理這個問題，我們可以將抖動設(shè)置為false。抖動是偏離真實值。因此，我們將使用另一個參數(shù)將抖動設(shè)置為false。

Hue圖

接下來，如果我們想在我們的圖中引入另一個變量或另一個維度，我們可以使用hue參數(shù)，就像我們在上一節(jié)中使用的一樣。假設(shè)我們希望看到教育和avg_training_score圖中的性別分布，為此，我們可以使用以下代碼

sns.catplot(x='education', y='avg_training_score', hue = 'gender', data=df2)

在上面的圖中，我們可以看到這些點是相互重疊的，為了消除這種情況，我們可以設(shè)置kind = 'swarm'， swarm使用一種算法來防止這些點重疊，并且沿著分類軸調(diào)整這些點。我們看看它是怎樣的

很神奇,對吧?如果我們想要看到引入swarmed作為第三維的版本呢?讓我們將is_promoted作為一個新變量引入

sns.catplot(x='education', y='avg_training_score', hue = 'is_promoted', kind = 'swarm', data=df2)

顯然，分數(shù)更高的人得到了提升。

使用Seaborn的箱線圖

我們可以繪制的另一種繪圖是箱線圖 ，它顯示了分布的三個四分位值以及最終值。箱圖中的每個值都對應(yīng)于數(shù)據(jù)中的實際觀察值。讓我們現(xiàn)在繪制箱線圖

當(dāng)我們將Hue與boxplot一起使用時，它會沿著分類軸對齊，因此它們不會重疊。帶有Hue的箱線圖看起來是

sns.catplot(x='education', y='avg_training_score', hue = 'is_promoted', kind = 'box', data=df2)

使用seaborn繪制小提琴圖

我們也可以通過使用小提琴圖來不同地表示上述變量。讓我們嘗試一下

小提琴圖結(jié)合了箱線圖和核密度估計程序，以提供更豐富的值分布描述。四分位數(shù)值顯示在小提琴內(nèi)部。當(dāng)色調(diào)語義參數(shù)是二值時，我們還可以拆分小提琴，這也可能有助于節(jié)省繪圖空間。讓我們看一下具有不同值色調(diào)的小提琴圖。

sns.catplot(x='education', y='avg_training_score', hue = 'is_promoted', kind = 'violin', split = True, data=df2)

我開始使用seaborn的原因就是這些美妙的圖表。它為你提供了很多顯示數(shù)據(jù)的選項。另一個例子是箱線圖。

使用Seaborn繪制箱線圖

Boxplot對整個數(shù)據(jù)集進行操作，默認情況下獲取平均值。

使用Seaborn繪制Pointplot

另一種類型的圖是pointplot，這個圖指出估計值和置信區(qū)間。Pointplot連接來自相同色調(diào)類別的數(shù)據(jù)。這有助于識別特定色調(diào)類別中的關(guān)系如何變化。你可以查看pointplot如何顯示下面的信息。

sns.catplot(x='education', y='avg_training_score', hue = 'is_promoted', kind = 'point', data=df2)從上面的圖表可以明顯看出，得分高的人更容易升職。

這不是結(jié)束，seaborn是一個巨大的庫，有許多用于不同目的的繪圖函數(shù)。其中一個目的是引入多維度。我們也可以想象高維的關(guān)系。讓我們用群圖來檢驗一下。

使用Seaborn的群圖

當(dāng)我們將多個概念組合成一個概念時，我們很容易將這個概念形象化。這里群圖將色調(diào)語義屬性和性別屬性作了分面處理。

可視化數(shù)據(jù)集的分布

無論何時處理數(shù)據(jù)集，我們都想知道數(shù)據(jù)或變量是如何分布的。數(shù)據(jù)的分布可以告訴我們很多關(guān)于數(shù)據(jù)性質(zhì)的信息，所以讓我們深入研究一下。

繪制單變量分布

• 柱狀圖

在研究變量分布時，最常見的一個圖是柱狀圖。默認情況下，distplot()函數(shù)繪制柱狀圖并適合內(nèi)核密度估計。讓我們看看年齡是如何分布在數(shù)據(jù)中的。

sns.distplot(df2.age)

這清楚地表明，大多數(shù)人都在二十多歲和三十多歲。

使用Seaborn的直方圖

另一種用于單變量分布的圖是直方圖。

直方圖以箱子的形式表示數(shù)據(jù)的分布，并使用條形圖來顯示每個箱子下的觀察次數(shù)。我們還可以在其中添加一個加固圖，而不是使用KDE(核密度估計)，這意味著在每次觀察時，它都會畫一個小的垂直標(biāo)尺。

繪制雙變量分布

• Hex圖

• KDE 圖

• Boxen 圖

• Ridge 圖 (Joy圖)

除了可視化單個變量的分布外，我們還可以看到兩個獨立變量是如何相互分布的。雙變量表示關(guān)節(jié)，為了將其形象化，我們使用了seaborn庫的jointplot()函數(shù)。默認情況下，jointplot繪制散點圖。讓我們看看年齡和avg_training_score之間的二元分布。

sns.jointplot(x='avg_training_score', y='age', data=df2);

有多種方式可視化雙變量分布。讓我們再看幾個。

使用Seaborn的Hexplot

Hexplot是一個雙變量的直方圖，因為它顯示了在六邊形區(qū)域內(nèi)的觀察次數(shù)。這是一個非常容易處理大數(shù)據(jù)集的圖。為了繪制Hexplot，我們將把kind屬性設(shè)置為hex。我們現(xiàn)在就去看看。

使用Seaborn的KDE圖

這還不是結(jié)束，接下來是KDE繪圖。這是另一個很好的方法來可視化雙變量分布。讓我們看看如何使用jointplot()函數(shù)并將屬性kind設(shè)置為KDE來實現(xiàn)上述觀察。

sns.jointplot(x='age', y='avg_training_score', data=df2, kind='kde');

使用Seaborn繪制Heatmaps

現(xiàn)在讓我們來談?wù)勎易钕矚g的圖表Heatmaps。Heatmaps中每個變量都表示為一種顏色。

讓我們來生成一個:

使用Seaborn的Boxen圖

另一個我們可以用來表示二元分布的圖是boxen圖。Boxen plot最初被命名為letter value plot(字母值圖)，因為它顯示了一個變量大量的值，也稱為分位數(shù)。這些分位數(shù)也被定義為字母值。通過繪制大量的分位數(shù)，可以對分布的形狀有更多的了解。這些類似于箱形圖，讓我們看看如何使用它們。

sns.catplot(x='age', y='avg_training_score', data=df2, kind='boxen',height=4, aspect=2.7, hue = 'is_promoted')

使用Seaborn繪制Ridge圖

下一個圖表相當(dāng)引人入勝。叫做Ridge圖。它也被稱為joy圖。Ridge圖有助于可視化幾個組的數(shù)值分布。這些分布可以用KDE圖或直方圖來表示?，F(xiàn)在，我們試著畫一個Ridge圖來表示年齡和性別的關(guān)系。

可視化數(shù)據(jù)集中的成對關(guān)系

我們還可以使用seaborn庫的pairplot()函數(shù)來繪制數(shù)據(jù)集中的多個二元分布。這顯示了數(shù)據(jù)庫中每一列之間的關(guān)系。并繪制各變量在對角線上的單變量分布圖。讓我們看看它是什么樣子。

sns.pairplot(df2)

結(jié)尾

我們已經(jīng)講了很多圖表了。我們看到了seaborn庫在可視化和研究數(shù)據(jù)(尤其是大型數(shù)據(jù)集)時是如何如此有效的。我們還討論了如何為不同類型的數(shù)據(jù)繪制seaborn庫的不同函數(shù)。

正如我前面提到的，學(xué)習(xí)seaborn的最佳方法是實踐它。你自己實踐產(chǎn)生的新的視圖越多，你就會變得越自信。

如需聯(lián)系EasyCharts團隊

請加微信：EasyCharts