seaborn分布数据可视化：直方图|密度图|散点图

系统自带的数据表格（存放在github上https://github.com/mwaskom/seaborn-data），使用时通过sns.load_dataset('表名称')即可，结果为一个DataFrame。

print(sns.get_dataset_names())   #获取所有数据表名称

# ['anscombe', 'attention', 'brain_networks', 'car_crashes', 'diamonds', 'dots', 'exercise', 'flights',

# 'fmri', 'gammas', 'iris', 'mpg', 'planets', 'tips', 'titanic']

tips = sns.load_dataset('tips')  #导入小费tips数据表，返回一个DataFrame

tips.head()

一、直方图distplot()

distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None,hist_kws=None, kde_kws=None, rug_kws=None,

　　　　fit_kws=None,color=None, vertical=False, norm_hist=False, axlabel=None,label=None, ax=None)

a 数据源
bins 箱数
hist、kde、rug 是否显示箱数、密度曲线、数据分布，默认显示箱数和密度曲线不显示数据分析
{hist,kde,rug}_kws 通过字典形式设置箱数、密度曲线、数据分布的各个特征
norm_hist 直方图的高度是否显示密度，默认显示计数,如果kde设置为True高度也会显示为密度
color 颜色
vertical 是否在y轴上显示图标，默认为False即在x轴显示，即竖直显示
axlabel 坐标轴标签
label 直方图标签

fig = plt.figure(figsize=(12,5))

ax1 = plt.subplot(121)

rs = np.random.RandomState(10)  # 设定随机数种子

s = pd.Series(rs.randn(100) * 100)

sns.distplot(s,bins = 10,hist = True,kde = True,rug = True,norm_hist=False,color = 'y',label = 'distplot',axlabel = 'x')

plt.legend()

ax1 = plt.subplot(122)

sns.distplot(s,rug = True,

             hist_kws={"histtype": "step", "linewidth": 1,"alpha": 1, "color": "g"},  # 设置箱子的风格、线宽、透明度、颜色,风格包括：'bar', 'barstacked', 'step', 'stepfilled'

             kde_kws={"color": "r", "linewidth": 1, "label": "KDE",'linestyle':'--'},   # 设置密度曲线颜色，线宽，标注、线形

             rug_kws = {'color':'r'} )  # 设置数据频率分布颜色

二、密度图

密度曲线kdeplot(data, data2=None, shade=False, vertical=False, kernel="gau",bw="scott", gridsize=100, cut=3, clip=None,

　　　　　　　　legend=True,cumulative=False,shade_lowest=True,cbar=False, cbar_ax=None,cbar_kws=None, ax=None, **kwargs)

shade 是否填充与坐标轴之间的
bw 取值'scott' 、'silverman'或一个数值标量，控制拟合的程度，类似直方图的箱数，设置的数量越大越平滑，越小越容易过度拟合
shade_lowest 主要是对两个变量分析时起作用，是否显示最外侧填充颜色，默认显示
cbar 是否显示颜色图例
n_levels 主要对两个变量分析起作用，数据线的个数

数据分布rugplot(a, height=.05, axis="x", ax=None, **kwargs)

height 分布线高度
axis {'x','y'}，在x轴还是y轴显示数据分布

1.单个样本数据分布密度图

sns.kdeplot(s,shade = False, color = 'r',vertical = False)# 是否填充、设置颜色、是否水平

sns.kdeplot(s,bw=0.2, label="bw: 0.2",linestyle = '-',linewidth = 1.2,alpha = 0.5)

sns.kdeplot(s,bw=2, label="bw: 2",linestyle = '-',linewidth = 1.2,alpha = 0.5,shade=True)

sns.rugplot(s,height = 0.1,color = 'k',alpha = 0.5)  #数据分布

2.两个样本数据分布密度图

两个维度数据生成曲线密度图，以颜色作为密度衰减显示。

rs = np.random.RandomState(2)  # 设定随机数种子

df = pd.DataFrame(rs.randn(100,2),columns = ['A','B'])

sns.kdeplot(df['A'],df['B'],shade = True,cbar = True,cmap = 'Reds',shade_lowest=True, n_levels = 8)# 曲线个数（如果非常多，则会越平滑）

plt.grid(linestyle = '--')

plt.scatter(df['A'], df['B'], s=5, alpha = 0.5, color = 'k') #散点

sns.rugplot(df['A'], color="g", axis='x',alpha = 0.5) #x轴数据分布

sns.rugplot(df['B'], color="r", axis='y',alpha = 0.5) #y轴数据分布

rs1 = np.random.RandomState(2)

rs2 = np.random.RandomState(5)

df1 = pd.DataFrame(rs1.randn(100,2)+2,columns = ['A','B'])

df2 = pd.DataFrame(rs2.randn(100,2)-2,columns = ['A','B'])

sns.set_style('darkgrid')

sns.set_context('talk')

sns.kdeplot(df1['A'],df1['B'],cmap = 'Greens',shade = True,shade_lowest=False)

sns.kdeplot(df2['A'],df2['B'],cmap = 'Blues', shade = True,shade_lowest=False)

三、散点图

jointplot() / JointGrid() / pairplot() /pairgrid()

1.jointplot()综合散点图

rs = np.random.RandomState(2)

df = pd.DataFrame(rs.randn(200,2),columns = ['A','B'])

sns.jointplot(x=df['A'], y=df['B'],  # 设置x轴和y轴，显示columns名称

              data=df,   # 设置数据

              color = 'k',   # 设置颜色

              s = 50, edgecolor="w",linewidth=1,  # 设置散点大小、边缘线颜色及宽度(只针对scatter）

              kind = 'scatter',   # 设置类型：“scatter”、“reg”、“resid”、“kde”、“hex”

              space = 0.1,  # 设置散点图和上方、右侧直方图图的间距

              size = 6,   # 图表大小（自动调整为正方形）

              ratio = 3,  # 散点图与直方图高度比，整型

              marginal_kws=dict(bins=15, rug=True,color='green')  # 设置直方图箱数以及是否显示rug

              )

当kind分别设置为其他4种“reg”、“resid”、“kde”、“hex”时，图表如下。

sns.jointplot(x=df['A'], y=df['B'],data=df,kind='reg',size=5)  #

sns.jointplot(x=df['A'], y=df['B'],data=df,kind='resid',size=5) #

sns.jointplot(x=df['A'], y=df['B'],data=df,kind='kde',size=5) #

sns.jointplot(x=df['A'], y=df['B'],data=df,kind='hex',size=5) #蜂窝图

在密度图中添加散点图，先通过sns.jointplot()创建密度图并赋值给变量，再通过变量.plot_joint()在密度图中添加散点图。

rs = np.random.RandomState(15)

df = pd.DataFrame(rs.randn(300,2),columns = ['A','B'])

g = sns.jointplot(x=df['A'], y=df['B'],data = df, kind="kde", color="pink",shade_lowest=False) #密度图，并赋值给一个变量

g.plot_joint(plt.scatter,c="w", s=30, linewidth=1, marker="+")  #在密度图中添加散点图

2.拆分综合散点图JointGrid()

上述综合散点图可分为上、右、中间三部分，设置属性时对这三个参数都生效，JointGrid()可将这三部分拆开分别设置属性。

①拆分为中间+上&右两部分设置

# plot_joint() + plot_marginals()

g = sns.JointGrid(x="total_bill", y="tip", data=tips)# 创建一个绘图区域，并设置好x、y对应数据

g = g.plot_joint(plt.scatter,color="g", s=40, edgecolor="white")   # 中间区域通过g.plot_joint绘制散点图

plt.grid('--')

g.plot_marginals(sns.distplot, kde=True, color="y")     #

h = sns.JointGrid(x="total_bill", y="tip", data=tips)# 创建一个绘图区域，并设置好x、y对应数据

h = h.plot_joint(sns.kdeplot,cmap = 'Reds_r')   # 中间区域通过g.plot_joint绘制散点图

plt.grid('--')

h.plot_marginals(sns.kdeplot, color="b")

②拆分为中间+上+右三个部分分别设置

# plot_joint() + ax_marg_x.hist() + ax_marg_y.hist()

sns.set_style("white")# 设置风格

tips = sns.load_dataset("tips") # 导入系统的小费数据

print(tips.head())

g = sns.JointGrid(x="total_bill", y="tip", data=tips)# 创建绘图区域，设置好x、y对应数据

g.plot_joint(plt.scatter, color ='y', edgecolor = 'white')  # 设置内部散点图scatter

g.ax_marg_x.hist(tips["total_bill"], color="b", alpha=.6,bins=np.arange(0, 60, 3))  # 设置x轴直方图，注意bins是数组

g.ax_marg_y.hist(tips["tip"], color="r", alpha=.6, orientation="horizontal", bins=np.arange(0, 12, 1)) # 设置y轴直方图，需要orientation参数

from scipy import stats

g.annotate(stats.pearsonr)  # 设置标注，可以为pearsonr，spearmanr

plt.grid(linestyle = '--')

3.pairplot()矩阵散点图

矩阵散点图类似pandas的pd.plotting.scatter_matrix(...)，将数据从多个维度进行两两对比。

对角线默认显示密度图，非对角线默认显示散点图。

sns.set_style("white")

iris = sns.load_dataset("iris")

print(iris.head())

sns.pairplot(iris,

            kind = 'scatter',  # 散点图/回归分布图 {‘scatter’, ‘reg’}

            diag_kind="hist",  # 对角线处直方图/密度图 {‘hist’, ‘kde’}

            hue="species",   # 按照某一字段进行分类

            palette="husl",  # 设置调色板

            markers=["o", "s", "D"],  # 设置不同系列的点样式（个数与hue分类的个数一致）

            height = 1.5,   # 图表大小

            )

对原数据的局部变量进行分析，可添加参数vars

sns.pairplot(iris,vars=["sepal_width", "sepal_length"], kind = 'reg', diag_kind="kde", hue="species", palette="husl")

plot_kws()和diag_kws()可分别设置对角线和非对角线的显示

sns.pairplot(iris, vars=["sepal_length", "petal_length"],diag_kind="kde", markers="+",

             plot_kws=dict(s=50, edgecolor="b", linewidth=1),# 设置非对角线点样式

             diag_kws=dict(shade=True,color='r',linewidth=1)# 设置对角线密度图样式

            )

4.拆分综合散点图JointGrid()

类似JointGrid()的功能，将矩阵散点图拆分为对角线和非对角线图表分别设置显示属性。

①拆分为对角线和非对角线

# map_diag() + map_offdiag()

g = sns.PairGrid(iris,hue="species",palette = 'hls',vars=["sepal_width", "sepal_length"])

g.map_diag(plt.hist, # 对角线图表，plt.hist/sns.kdeplot

           histtype = 'barstacked',   # 可选：'bar', 'barstacked', 'step', 'stepfilled'

           linewidth = 1, edgecolor = 'gray')

g.map_offdiag(plt.scatter, # f非对角线其他图表，plt.scatter/plt.bar...

              edgecolor="yellow", s=20, linewidth = 1,   # 设置点颜色、大小、描边宽度)

②拆分为对角线+对角线上+对角线下 3部分设置

# map_diag() + map_lower() + map_upper()

g = sns.PairGrid(iris)

g.map_diag(sns.kdeplot, lw=1.5,color='y',alpha=0.5)   # 设置对角线图表

g.map_upper(plt.scatter, color = 'r',s=8)     # 设置对角线上端图表显示为散点图

g.map_lower(sns.kdeplot,cmap='Blues_r') # 设置对角线下端图表显示为多密度分布图