1.2 Seaborn的基本绘图流程

1.2 Seaborn的基本绘图流程

Seaborn基本绘图流程详解：从入门到实践

1.2 Seaborn的基本绘图流程：概览

Seaborn的绘图流程可以概括为以下几个核心步骤。这些步骤构成了一个清晰的数据可视化框架，使得用户能够系统地构建各种统计图形。理解这些步骤不仅能够帮助我们有效地使用Seaborn，更能培养数据可视化的逻辑思维。

1. 数据准备与加载 (Data Preparation and Loading):

在开始任何绘图之前，首要任务是准备好要可视化的数据。Seaborn与Pandas DataFrame紧密结合，因此数据通常需要以DataFrame的形式加载和组织。这一步包括：

• 数据收集: 从各种来源收集数据，例如CSV文件、数据库、API等。

• 数据清洗: 处理缺失值、异常值、重复值等，确保数据的质量和准确性。

• 数据转换: 根据分析需求，进行数据类型转换、特征工程等，例如将日期字符串转换为日期类型，创建新的计算列等。

• 数据加载: 使用Pandas库将数据加载到DataFrame对象中。Seaborn可以直接使用DataFrame作为输入。

2. 选择绘图函数 (Choosing a Plotting Function):

Seaborn提供了丰富的绘图函数，用于创建各种类型的统计图形。选择合适的绘图函数是至关重要的，它取决于你要探索的数据类型、变量关系以及想要传达的信息。Seaborn的绘图函数大致可以分为以下几类：

• 关系型绘图 (Relational plots): 用于展示变量之间的关系，例如 relplot(), scatterplot(), lineplot()。

• 分布型绘图 (Distribution plots): 用于展示单变量或多变量的分布情况，例如 displot(), histplot(), kdeplot(), ecdfplot(), rugplot()。

• 分类绘图 (Categorical plots): 用于比较不同类别的数据分布或统计量，例如 catplot(), boxplot(), violinplot(), barplot(), countplot(), pointplot(), stripplot(), swarmplot().

• 回归绘图 (Regression plots): 用于展示变量之间的回归关系，例如 lmplot(), regplot(), residplot()。

• 多图网格 (Multi-plot grids): 用于创建包含多个子图的复杂图形，例如 FacetGrid, PairGrid, JointGrid。

3. 指定数据和变量映射 (Specifying Data and Variable Mappings):

一旦选择了绘图函数，就需要告诉Seaborn要使用的数据以及如何将数据中的变量映射到图形的视觉元素上。这通常通过绘图函数的参数来实现，例如：

• data: 指定要使用的数据集，通常是一个Pandas DataFrame。

• x, y: 指定DataFrame中的列名，分别映射到图形的x轴和y轴。

• hue: 指定一个分类变量，用于通过颜色区分不同的数据子集。

• style: 指定一个分类变量，用于通过线条样式或标记形状区分不同的数据子集。

• size: 指定一个数值变量，用于通过点的大小或线条粗细区分不同的数据点。

• col, row: 指定分类变量，用于创建列或行方向的子图网格。

这些参数允许用户灵活地控制图形的各个方面，将数据中的信息有效地编码到视觉元素中。

4. 自定义图形元素 (Customizing Plot Elements):

Seaborn图形的默认样式通常已经非常美观，但根据具体的需求，我们可能需要进一步自定义图形的各个元素，以使其更加清晰、易读、更符合审美要求。自定义的方面包括：

• 标题和轴标签: 使用 plt.title(), plt.xlabel(), plt.ylabel() 设置图形的标题和轴标签，使其更具描述性。

• 图例: Seaborn会自动生成图例，可以使用 plt.legend() 或 Seaborn 函数的参数进行调整，例如图例的位置、标题等。

• 颜色和调色板: 使用 palette 参数选择不同的颜色调色板，或者使用 color 参数自定义颜色，以突出显示特定的数据组或增强视觉效果。

• 图形样式和主题: Seaborn提供了多种预定义的主题样式 (styles) 和上下文 (contexts)，可以使用 sns.set_theme() 或 sns.set_style() 和 sns.set_context() 进行设置，改变图形的整体外观。

• 坐标轴范围和刻度: 使用 plt.xlim(), plt.ylim(), plt.xticks(), plt.yticks() 调整坐标轴的范围和刻度，以便更好地展示数据细节。

• 添加注释和文本: 使用 plt.annotate(), plt.text() 在图形中添加注释和文本，突出显示关键信息或提供额外的解释。

5. 显示或保存图形 (Displaying or Saving Plots):

最后一步是显示或保存生成的Seaborn图形。

• 显示图形: 在交互式环境中（例如 Jupyter Notebook 或 IPython），Seaborn图形通常会自动显示。如果需要显式显示，可以使用 plt.show() 函数。

• 保存图形: 使用 plt.savefig() 函数将图形保存为图像文件，例如 PNG, JPG, PDF, SVG 等。可以指定文件名、分辨率、文件格式等参数。

1.2.1 代码实践：Seaborn基本绘图流程示例

为了更好地理解Seaborn的基本绘图流程，我们将通过一个具体的代码示例进行演示。我们将使用Seaborn内置的 iris 数据集，这是一个经典的数据集，包含鸢尾花的花萼和花瓣的长度和宽度 measurements，以及鸢尾花的种类。

步骤 1: 数据准备与加载

首先，导入必要的库，包括 Seaborn (sns) 和 Matplotlib (matplotlib.pyplot as plt)，并加载 iris 数据集。

import seaborn as sns
import matplotlib.pyplot as plt
# 加载 seaborn 内置的 iris 数据集
iris = sns.load_dataset('iris')
# 查看数据集的前几行
print(iris.head())
​

这段代码首先导入了 Seaborn 和 Matplotlib 的 pyplot 模块。然后，使用 sns.load_dataset('iris') 加载了 iris 数据集，并将结果存储在名为 iris 的 Pandas DataFrame 中。最后，使用 iris.head() 打印数据集的前几行，以便我们快速了解数据的结构和内容。

步骤 2: 选择绘图函数

假设我们想要探索鸢尾花花瓣长度 (petal_length) 和花瓣宽度 (petal_width) 之间的关系，并根据鸢尾花种类 (species) 进行区分。散点图 (scatterplot) 是展示两个数值变量之间关系的常用方法，同时可以使用 hue 参数来根据类别进行颜色编码。因此，我们选择 sns.scatterplot() 函数。

步骤 3: 指定数据和变量映射

接下来，我们需要指定数据和变量映射。我们将 iris DataFrame 作为 data 参数的输入，将 petal_length 列映射到 x 轴，petal_width 列映射到 y 轴，将 species 列映射到 hue 参数，以便根据鸢尾花种类使用不同的颜色。

sns.scatterplot(data=iris, x='petal_length', y='petal_width', hue='species')
plt.show()
​

这行代码是 Seaborn 绘图的核心。sns.scatterplot(...) 调用了散点图函数，data=iris 指定了使用的数据集是 iris DataFrame，x='petal_length' 和 y='petal_width' 分别指定了 x 轴和 y 轴对应的变量，hue='species' 指定了使用 species 列的类别信息进行颜色编码。plt.show() 用于显示生成的图形。

运行这段代码后，我们会得到一个散点图，其中每个点代表一个鸢尾花样本，x 轴表示花瓣长度，y 轴表示花瓣宽度，点的颜色根据鸢尾花种类而不同。

步骤 4: 自定义图形元素

虽然默认的散点图已经提供了有用的信息，但我们可以进一步自定义图形元素，使其更加清晰和美观。例如，我们可以添加标题和轴标签，修改图例位置，以及使用不同的颜色调色板。

sns.scatterplot(data=iris, x='petal_length', y='petal_width', hue='species')
# 添加标题和轴标签
plt.title('Iris Petal Length vs. Petal Width', fontsize=16)
plt.xlabel('Petal Length (cm)', fontsize=12)
plt.ylabel('Petal Width (cm)', fontsize=12)
# 调整图例位置
plt.legend(title='Species', loc='upper left')
# 使用不同的颜色调色板 (例如 'viridis')
sns.set_palette('viridis')
plt.show()
​

这段代码在之前的散点图基础上添加了自定义元素。plt.title(...), plt.xlabel(...), plt.ylabel(...) 分别设置了图形的标题和轴标签，并使用 fontsize 参数调整了字体大小。plt.legend(title='Species', loc='upper left') 修改了图例的标题为 'Species'，并将图例位置移动到左上角。 sns.set_palette('viridis') 设置了全局的颜色调色板为 'viridis'。

步骤 5: 显示或保存图形

我们已经使用 plt.show() 显示了图形。如果想要保存图形，可以使用 plt.savefig() 函数。例如，将图形保存为 PNG 文件，分辨率为 300 DPI：

sns.scatterplot(data=iris, x='petal_length', y='petal_width', hue='species')
plt.title('Iris Petal Length vs. Petal Width', fontsize=16)
plt.xlabel('Petal Length (cm)', fontsize=12)
plt.ylabel('Petal Width (cm)', fontsize=12)
plt.legend(title='Species', loc='upper left')
sns.set_palette('viridis')
# 保存图形为 PNG 文件
plt.savefig('iris_petal_scatter.png', dpi=300)
plt.show()
​

plt.savefig('iris_petal_scatter.png', dpi=300) 将图形保存为名为 'iris_petal_scatter.png' 的 PNG 文件，dpi=300 设置了图像的分辨率为每英寸 300 点。保存的图形文件将位于当前工作目录下。

1.2.2 深入理解变量映射：hue, style, size

Seaborn的变量映射是其强大功能的核心。除了 x 和 y 参数，hue, style, size 等参数允许我们通过颜色、线条样式、点的大小等视觉元素来编码额外的数据维度。

• hue 参数: hue 参数是最常用的变量映射之一。它接受一个分类变量的列名，并根据该变量的不同类别，使用不同的颜色来区分数据点或图形元素。这使得我们能够轻松地在二维图形中展示第三个分类维度。

  例如，在之前的 iris 数据集中，我们使用 hue='species' 将鸢尾花种类信息编码到点的颜色中。

• style 参数: style 参数也接受一个分类变量的列名，但它不是使用颜色，而是使用不同的线条样式 (对于线图) 或标记形状 (对于散点图) 来区分数据子集。style 参数与 hue 参数类似，但更适用于区分类别数量较少的情况，或者当颜色编码已经用于其他目的时。

  我们可以将 style 参数与 hue 参数结合使用，进一步增加数据维度。例如，假设 iris 数据集中还有一个新的分类变量 'region' (假设数据集来源于不同地区)，我们可以同时使用 hue='species' 和 style='region'，用颜色区分鸢尾花种类，用标记形状区分地区来源。

  # 假设 iris DataFrame 中存在 'region' 列
  sns.scatterplot(data=iris, x='petal_length', y='petal_width', hue='species', style='region')
  plt.show()
  ​

• size 参数: size 参数接受一个数值变量的列名，并根据该变量的值，使用不同的大小来表示数据点。这使得我们可以在二维散点图中展示第三个数值维度。size 参数通常与 hue 或 style 参数结合使用，以展示更复杂的数据关系。

  例如，假设 iris 数据集中还有一个数值变量 'age' (假设是鸢尾花的年龄)，我们可以使用 size='age' 将年龄信息编码到点的大小中。

  # 假设 iris DataFrame 中存在 'age' 列
  sns.scatterplot(data=iris, x='petal_length', y='petal_width', hue='species', size='age')
  plt.show()
  ​

  需要注意的是，size 参数通常需要配合 sizes 参数来调整点的大小范围，以确保视觉效果清晰。例如，可以使用 sizes=(20, 200) 来设置点的大小范围在 20 到 200 之间。

1.2.3 选择合适的绘图函数：示例与应用场景

Seaborn 提供了多种绘图函数，选择合适的函数对于有效的数据可视化至关重要。以下是一些常用绘图函数及其应用场景的示例：

• scatterplot(): 散点图，用于展示两个数值变量之间的关系。

  • 应用场景: 探索变量之间的相关性，例如身高与体重、广告投入与销售额等。

  • 代码示例: sns.scatterplot(data=df, x='variable1', y='variable2', hue='category')

• lineplot(): 线图，用于展示一个或多个数值变量随另一个变量 (通常是时间或有序类别) 的变化趋势。

  • 应用场景: 展示时间序列数据、趋势分析、比较不同组别的变化趋势等。

  • 代码示例: sns.lineplot(data=df, x='time', y='value', hue='group')

• histplot(): 直方图，用于展示单变量的分布情况。

  • 应用场景: 了解数据的分布形态、中心趋势、离散程度等。

  • 代码示例: sns.histplot(data=df, x='variable', hue='category', kde=True) (kde=True 添加核密度估计曲线)

• boxplot(): 箱线图，用于展示数值变量在不同类别下的分布情况，并显示中位数、四分位数、异常值等统计信息。

  • 应用场景: 比较不同组别的数据分布、检测异常值、展示数据的集中趋势和离散程度。

  • 代码示例: sns.boxplot(data=df, x='category', y='variable', hue='group')

• violinplot(): 小提琴图，与箱线图类似，但更详细地展示了数据分布的形状，结合了箱线图和核密度估计的特点。

  • 应用场景: 与箱线图类似，但更详细地展示数据分布的形状，更适合比较不同组别的数据分布形态。

  • 代码示例: sns.violinplot(data=df, x='category', y='variable', hue='group', split=True) (split=True 可以将不同 hue 的小提琴图分割开)

• barplot(): 条形图，用于展示分类变量的统计量 (例如均值、总和、计数等)。

  • 应用场景: 比较不同类别的统计量，例如不同产品的销售额、不同地区的平均收入等。

  • 代码示例: sns.barplot(data=df, x='category', y='value', hue='group', estimator=np.mean) (estimator=np.mean 指定统计量为均值，默认为均值)

• countplot(): 计数条形图，用于展示分类变量的频数分布，即每个类别的样本数量。

  • 应用场景: 了解不同类别的样本数量分布、类别比例等。

  • 代码示例: sns.countplot(data=df, x='category', hue='group')

• heatmap(): 热图，用于展示矩阵数据的热力分布，通常用于展示相关系数矩阵、混淆矩阵等。

  • 应用场景: 可视化矩阵数据的模式、相关性、强度等。

  • 代码示例: sns.heatmap(data=correlation_matrix, annot=True, cmap='coolwarm') (annot=True 显示数值，cmap='coolwarm' 设置颜色调色板)

选择合适的绘图函数需要根据具体的数据类型、分析目的和想要传达的信息来决定。Seaborn 的官方文档提供了详细的函数介绍和示例，是学习和选择绘图函数的最佳资源。

总结

掌握 Seaborn 的基本绘图流程是进行有效数据可视化的基础。理解这些步骤和参数，并结合实际数据进行练习，将能够帮助读者快速上手 Seaborn，并利用其强大的功能创建各种美观且信息丰富的统计图形，从而更好地探索和理解数据。