2. 程式人生 > >Python資料分析視覺化Seaborn例項講解

Python資料分析視覺化Seaborn例項講解

阿新 • • 發佈：2019-01-10
Seaborn是一種基於matplotlib的圖形視覺化python libraty。它提供了一種高度互動式介面，便於使用者能夠做出各種有吸引力的統計圖表。 Seaborn其實是在matplotlib的基礎上進行了更高階的API封裝，從而使得作圖更加容易，在大多數情況下使用seaborn就能做出很具有吸引力的圖，而使用matplotlib就能製作具有更多特色的圖。應該把Seaborn視為matplotlib的補充，而不是替代物。同時它能高度相容numpy與pandas資料結構以及scipy與statsmodels等統計模式。掌握seaborn能很大程度幫助我們更高效的觀察資料與圖表，並且更加深入瞭解它們。 實驗資料可以從這裡[下載](https://github.com/jakevdp/marathon-data)。 
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
%matplotlib inline
warnings.filterwarnings('ignore')
預設情況下，Pandas會把時間列載入為Python字串格式（型別是object），寫一個把字串轉換成時間型別的函式 
def convert_time(s):
    h,m,s=map(int,s.split(':'))
    return
 
 pd.datetools.timedelta(hours=h,minutes=m,seconds=s)
data=pd.read_csv('marathon-data.csv',converters={'split':convert_time,'final':convert_time})
data.head()
age gender split final
0 33 M 01:05:38 02:08:51
1 32 M 01:06:26 02:09:28
2 31 M 01:06:49 02:10:42
3 38 M 01:06:16 02:13:45
4 31 M 01:06:32 02:13:59 
data.dtypes
age                 int64
gender             object
split     timedelta64[ns]
final     timedelta64[ns]
dtype: object

新增一列，將時間換算成秒：

data['split_sec']=data['split'].map(lambda x:x.seconds)
data['final_sec']=data['final'].map(lambda x:x.seconds)
data.head()
age gender split final split_sec final_sec
0 33 M 01:05:38 02:08:51 3938 7731
1 32 M 01:06:26 02:09:28 3986 7768
2 31 M 01:06:49 02:10:42 4009 7842
3 38 M 01:06:16 02:13:45 3976 8025
4 31 M 01:06:32 02:13:59 3992 8039

用sns.jointplot可以同時看到兩個變數的聯合分佈與單變數的獨立分佈，這個圖形中使用白色背景。

with sns.axes_style('white'):
    g=sns.jointplot('split_sec','final_sec',data,kind='kde')
    g.ax_joint.plot(np.linspace(4000,16000),np.linspace(8000,32000),':k')

這裡寫圖片描述

可以使用六邊形塊代替頻次直方圖

with sns.axes_style('white'):
    g=sns.jointplot('split_sec','final_sec',data,kind='hex',color='r')
    g.ax_joint.plot(np.linspace(4000,16000),np.linspace(8000,32000),':b')

這裡寫圖片描述

上圖表示的是馬拉松前半程成績與全程成績的對比。圖中的實點線表示一個人全程保持一個速度跑完馬拉松,即上半程與下半程耗時相同。然而實際的成績分佈表明,絕大多數人都是越往後跑得越慢(也符合常理)。如果你參加過跑步比賽,那麼就一定知道有些人在比賽的後半程速度更快—也就是在比賽中“後半程加速”。
建立一列split_frac來表示前後半程的差異,衡量比賽選手後半程加速或前半程加速的程度。

data["split_frac"]=1-2*data['split_sec']/data['final_sec']
data.head()
age gender split final split_sec final_sec split_frac
0 33 M 01:05:38 02:08:51 3938 7731 -0.018756
1 32 M 01:06:26 02:09:28 3986 7768 -0.026262
2 31 M 01:06:49 02:10:42 4009 7842 -0.022443
3 38 M 01:06:16 02:13:45 3976 8025 0.009097
4 31 M 01:06:32 02:13:59 3992 8039 0.006842

如果前後半程差異係數( split_frac)小於0,就表示這個人是後半程加速型選手。畫出差異係數的分佈圖。

sns.distplot(data['split_frac'],kde=False,color='g')
plt.axvline(0, color="r",linestyle="--")#畫垂直x軸的線

這裡寫圖片描述
上圖表示前後半程差異係數分佈圖，0表示前後半程耗時相同。

sum(data['split_frac']<0)

251

在大的4萬名馬拉松比賽選手中,只有250個人能做到後半程加速。再來看看前後半程差異係數與其他變數有沒有相關性。用一個矩陣圖pairgrid畫出所有變數間的相關性。

g=sns.PairGrid(data,vars=['age','split_sec','final_sec','split_frac'],hue='gender',palette='Set2',\
              hue_kws={"marker": ["o", "s"]})
g.map(plt.scatter,alpha=0.8,linewidths=1, s=40)
g.add_legend()

這裡寫圖片描述

g=sns.PairGrid(data,vars=['age','split_sec','final_sec','split_frac'],hue='gender',palette='hls',\
              hue_kws={"marker": ["o", "^"]})
g.map_offdiag(plt.scatter,alpha=0.8,linewidths=1, s=40)#非對角線繪製散點圖
g.map_diag(plt.hist)#對角線繪製直方圖
g.add_legend()

這裡寫圖片描述

g=sns.PairGrid(data,vars=['age','split_sec','final_sec','split_frac'],hue='gender',\
               palette=sns.color_palette("hls", 5),hue_kws={"marker": ["s", "d"]})
g.map(plt.scatter,alpha=0.8)
g.add_legend()

這裡寫圖片描述

從圖中可以看出,雖然前後半程差異係數與年齡沒有顯著的相關性,但是與比賽的最終成績有顯著的相關性:全程耗時最短的選手,往往都是在前後半程儘量保持節奏一致、耗時非常接近的人。
對比男女選手之間的前後半程差異係數的頻次直方圖如下圖所示：

sns.kdeplot(data[data.gender=='M'].split_frac,label='men',shade=True)
sns.kdeplot(data[data.gender=='W'].split_frac,label='women',shade=True)
plt.xlabel('split_frac')
plt.ylim([0,10])

這裡寫圖片描述
在前後半程耗時接近的選手中,男選手比女選手要多很多!男女選手的分佈看起來幾乎都是雙峰分佈。我們將男女選手不同年齡(age)的分佈函式畫出來,看看會得到什麼啟示。
用小提琴圖( violin plot)畫出這兩種分佈，如下圖所示。
小提琴圖其實是箱線圖與核密度圖的結合，箱線圖展示了分位數的位置，小提琴圖則展示了任意位置的密度，通過小提琴圖可以知道哪些位置的密度較高。在圖中，白點是中位數，黑色盒型的範圍是下四分位點到上四分位點，細黑線表示須。外部形狀即為核密度估計（在概率論中用來估計未知的密度函式，屬於非引數檢驗方法之一）。

sns.violinplot('gender','split_frac',data=data,palette=['lightblue','lightpink'])
# 分組的小提琴圖

這裡寫圖片描述

觀察這幅圖，對比兩個由年齡構成函式的小提琴圖，在陣列中建立一個新列，表示每名選手的年齡段。

data['age_dec']=data['age'].map(lambda x: 10*(x//10))
data.head()
age gender split final split_sec final_sec split_frac age_dec
0 33 M 01:05:38 02:08:51 3938 7731 -0.018756 30
1 32 M 01:06:26 02:09:28 3986 7768 -0.026262 30
2 31 M 01:06:49 02:10:42 4009 7842 -0.022443 30
3 38 M 01:06:16 02:13:45 3976 8025 0.009097 30
4 31 M 01:06:32 02:13:59 3992 8039 0.006842 30 
with sns.axes_style(style='whitegrid'):
    sns.violinplot('age_dec','split_frac',data=data,inner='quartile',\
                  palette="muted")

這裡寫圖片描述

# 通過hue分組的小提琴圖，相當於分組之後又分組
with sns.axes_style(style='whitegrid'):
    sns.violinplot('age_dec','split_frac',hue='gender',data=data,inner='quartile',\
                  palette="muted")

這裡寫圖片描述

# 分組組合的小提琴圖，其實就是hue分組後，各取一半組成一個小提琴圖
with sns.axes_style(style='whitegrid'):
    sns.violinplot('age_dec','split_frac',hue='gender',data=data,split=True,inner='quartile',\
                  palette=['red','orange'])

這裡寫圖片描述

上圖是用小提琴圖表示不同性別，年齡段的前後半程差異係數。通過上圖可以看出男女選手的分佈差異:20多歲至50多歲各年齡段的男選手的前後半程差異係數概率密度都比同年齡段的女選手低一些(或者可以說任意年齡都如此)。
還有一個令人驚訝的地方是,所有八十歲以上的女選手都比同年齡段的男選手的表現好。這可能是由於這個年齡段的選手寥宴無幾,樣本太少。

(data.age>80).sum()
7

讓我們再看看後半程加速型選手的資料:前後半程差異係數與比賽成績正相關嗎?我們可以輕鬆畫出圖形。下面用implot為資料自動擬合一個線性迴歸模型,如下圖所示。

g=sns.lmplot('final_sec','split_frac',col='gender',data=data,\
            markers='s',scatter_kws=dict(color='c'))
g.map(plt.axhline,y=-0.1,color='r',ls='--')
g.map(plt.axhline,y=0,color='r',ls='--')

這裡寫圖片描述

從上圖明顯可以看出前後半程差異係數與比賽成績正相關，有顯著後半程加速的男性選手比賽成績在15000秒左右，即4小時之內的種子選手。低於這個成績的選手很少有顯著的後半程加速。有顯著後半程加速的女性選手比賽成績大於15000秒，接近20000秒，主要是由於前半程耗時（過多）大於後半程耗時。

下面再從多種圖形模式的角度對資料進行探索性分析。

# 繪製箱線圖
#在分析資料的時候，箱線圖能夠直觀地識別資料集中的異常值(檢視離群點)
ax = sns.boxplot(x=data['final_sec'])
ax = sns.boxplot(x=data['split_sec'])

這裡寫圖片描述

# 豎著放的箱線圖，也就是將x換成y
ax = sns.boxplot(y=data['final_sec'])
ax = sns.boxplot(y=data['split_sec'])

這裡寫圖片描述

# 分組繪製箱線圖，分組因子是gender，在x軸不同位置繪製
ax = sns.boxplot(x="gender", y="final_sec", data=data,palette='RdBu',linewidth=3)

這裡寫圖片描述

# 分組箱線圖，分組因子是gender，不同的因子用不同顏色區分
# 相當於分組之後又分組
ax = sns.boxplot(x="age_dec", y="final_sec", hue="gender",
                    data=data, palette="husl")

這裡寫圖片描述

# 改變x軸順序，order引數
ax = sns.boxplot(x="age_dec", y="final_sec", hue="gender",
                    data=data, palette="husl",order=[80,70,60,50,40,30,20,10],linewidth=1.5)

這裡寫圖片描述

# 散點圖
ax1 = sns.stripplot(x=data["age_dec"])

這裡寫圖片描述

# 分組的散點圖
ax = sns.stripplot(x="gender", y="split_sec", data=data)

這裡寫圖片描述

ax = sns.stripplot(x="age_dec", y="split_sec", data=data)

這裡寫圖片描述

#散點圖通常將重疊。這使得很難看到資料的完整分佈。一個簡單的解決方案是使用一些隨機的“抖動”調整位置（僅沿著分類軸）
## 新增抖動項的散點圖，jitter=True
ax = sns.stripplot(x="age_dec", y="split_sec", data=data,jitter=True)

這裡寫圖片描述

#按照hue=gender分組
ax = sns.stripplot(x="age_dec", y="split_sec",hue='gender',data=data,jitter=True,\
                   palette=sns.hls_palette(8, l=.5, s=.8))

這裡寫圖片描述

#分開繪製split=True控制
ax = sns.stripplot(x="age_dec", y="split_sec",hue='gender',data=data,jitter=True,\
                   palette=sns.hls_palette(8, l=.5, s=.8),split=True)

這裡寫圖片描述

#按照hue=age_dec分組
ax = sns.stripplot(x='gender', y="split_sec",hue="age_dec",data=data,jitter=True,\
                   palette=sns.color_palette("hls", 8),split=True)

這裡寫圖片描述

# 散點圖+小提琴圖
ax = sns.violinplot(x="age_dec", y="split_sec", data=data,palette='Set2')
ax = sns.stripplot(x="age_dec", y="split_sec",hue='gender',data=data,jitter=True,\
                   palette=sns.hls_palette(8, l=.5, s=.8))

這裡寫圖片描述

# 箱線圖+散點圖
# whis 引數設定是否顯示箱線圖的離群點，whis=np.inf 表示不顯示
ax = sns.boxplot(x="gender", y="split_sec", data=data,whis=np.inf)
ax = sns.stripplot(x="gender", y="split_sec",hue='gender',data=data,jitter=True,\
                   palette=sns.hls_palette(8, l=.8, s=.8))

這裡寫圖片描述

#柱狀圖
sns.barplot(x="age_dec", y="split_sec",data=data)

這裡寫圖片描述

#按照hue分組的柱狀圖,預設統計的是age_dec變數的均值，estimator=np.mean
sns.barplot(x="age_dec", y="split_sec",hue='gender',data=data,palette=sns.color_palette("Set2", 10))

這裡寫圖片描述

#修改預設的統計函式，estimator=max
sns.barplot(x="age_dec", y="split_sec",hue='gender',data=data,\
            palette=sns.color_palette("Set1", 5),estimator=max)

這裡寫圖片描述

#頻數條形圖
sns.countplot(x="gender", data=data)

這裡寫圖片描述

sns.countplot(x="gender",hue='age_dec',data=data)

這裡寫圖片描述

因子圖
因子圖也是對資料子集進行視覺化的方法，你可以通過它觀察一個引數在另一個引數間隔中的分佈情況

with sns.axes_style(style='ticks'):
    g=sns.factorplot(x='age_dec',y='final_sec',hue='gender',data=data,kind='box')
    g.set_axis_labels('Age_dec','Final_sec')

這裡寫圖片描述

with sns.axes_style(style='ticks'):
    g=sns.factorplot(x='age_dec',y='final_sec',hue='gender',data=data,kind="violin",\
                     palette=sns.color_palette("dark"))
    g.set_axis_labels('Age_dec','Final_sec')

這裡寫圖片描述

#col_wrap控制每行畫幾個圖，col控制分開繪圖的因子
g = sns.factorplot(x="gender",y='final_sec',col="age_dec", col_wrap=4,palette=sns.color_palette("bright"),\
                    data=data,kind="violin", size=4, aspect=.8)
g.set_axis_labels('gender','final_sec')

這裡寫圖片描述

#col_wrap控制每行畫幾個圖,kind控制繪圖的型別，size控制圖形的大小
with sns.axes_style('dark'):
    g = sns.factorplot(x="gender",col="age_dec", col_wrap=2,palette=sns.color_palette("coolwarm", 7),\
                    data=data,kind="count", size=4, aspect=.8)
    g.set_xlabels('gender')
    g.set_ylabels('Count')

這裡寫圖片描述
迴歸圖lmplot

g = sns.lmplot(x="split_sec", y="final_sec", data=data,markers='^',scatter_kws=dict(color='r'),\
               line_kws=dict(color='g',linestyle='--'))

這裡寫圖片描述

# 分組的線性迴歸圖，通過hue引數控制
g = sns.lmplot(x="split_frac", y="final_sec",hue="gender", data=data,markers=['s','d'],\
               palette=dict(M="g", W="m"))

這裡寫圖片描述

#按照gender分組，畫在兩張圖上
g = sns.lmplot(x="split_frac", y="final_sec",col="gender", data=data,markers='x',\
               palette=sns.set_palette("husl"))

這裡寫圖片描述

## col+hue 雙分組引數，既分組，又分子圖繪製，jitter控制散點抖動程度
g = sns.lmplot(x="split_frac", y="final_sec",hue='gender',col="gender", data=data,markers='s',\
               line_kws=dict(color='b',linestyle='--'),palette=sns.set_palette("husl",3),x_jitter=.2,aspect=1)
g.map(plt.axvline,x=0,color='r',ls='-')

這裡寫圖片描述

g = sns.lmplot(x="split_frac", y="final_sec",hue='age_dec',col="age_dec", data=data,markers='d',\
               line_kws=dict(color='g',linestyle='--'),palette='Set3',\
               col_wrap=4, size=3,x_jitter=.2,aspect=1)
g.map(plt.axvline,x=0,color='y',ls='-')
g.set_axis_labels("split_frac","final_sec")

這裡寫圖片描述

# 既然col可以控制分組子圖的，那麼row也是可以控制分組子圖的
g = sns.lmplot(x="split_frac", y="final_sec",col='gender',row="age_dec",data=data,markers='o',\
               line_kws=dict(color='g',linestyle='--'),\
                size=3,x_jitter=.1,aspect=1)
g.map(plt.axvline,x=0,color='r',ls='-')
g.set_axis_labels("split_frac","final_sec")

這裡寫圖片描述

熱力圖heatmap

sns.heatmap(data[['gender','age','age_dec','split_sec','final_sec','split_frac']].corr())

這裡寫圖片描述

sns.heatmap(data[['gender','age','age_dec','split_sec','final_sec','split_frac']].corr(),annot=True)

這裡寫圖片描述

相關推薦

Python資料分析視覺化Seaborn例項講解

Seaborn是一種基於matplotlib的圖形視覺化python libraty。它提供了一種高度互動式介面，便於使用者能夠做出各種有吸引力的統計圖表。 Seaborn其實是在matplotlib的基礎上進行了更高階的API封裝，從而使得作圖更加容易，在大

教你解決Python資料分析視覺化時可以顯示中文

問題描述： 使用Python進行資料分析時，中文是顯示不了的， 那麼怎麼使matplotlib視覺化是能夠顯示中文呢？ 你需要具備的知識：matplotlib基本操作，linux基本操作，IPyt

利用Python進行資料分析——視覺化

import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns 基本入門 簡單圖 當用戶只提供了一個單維列表或陣列時，matplotl

BI大資料分析視覺化軟體系統開發

大資料時代，人們對資料的整理分析越來越重BI也稱商業智慧，商業智慧一般被理解為將企業中所產生的資料轉化為知識，幫助企業做出明智經營決策的輔助工具。BI大資料分析視覺化軟體適用於任何或產生資料的行業，尤其是現在是大資料時代，從大資料分析出的結論對各個企業都有深遠影響。 這裡所說的資料包括來自企業的業務系統的訂

電子商務商電商BI大資料分析視覺化系統開發

電子商務商的資料分析很重要，它可以從各種資料找那個分析出哪種商品好賣，哪類人群喜歡買什麼等等。甚至使用者畫像完全可以分析出，在電商領域，資料一般可以分為四大型別，流量、銷量、商品和會員，這也是最基礎的報表需求。 1.流量部分有點選、搜尋、來源等，這些資訊經過分析可以運用在廣告包括一些產品的改版以

微博爬蟲/資料分析/視覺化

微博的資料分析以及視覺化 最近在學習資料分析，資料探勘以及資料視覺化的內容，之前斷斷續續地採集了接近1億條微博資料，還有幾十萬的使用者的資訊。所以篩選了一部分資料來分析分析。下面的內容大多以《廣州釋出》為例。 微博數量分析 微博時間分析 地域分析 資料視覺

python資料分析新手入門課程學習——（二）探索分析與視覺化（來源：慕課網）

 一，單因子與對比分析視覺化 資料 import pandas as pd df = pd.read_csv('./HR.csv') #檢視前十條資料 df.head(10) 以下為顯示的結果 我們可以看出： 第一個屬性satisf

【手把手教你】Python獲取財經資料和視覺化分析

內容來自：微信公眾號：python金融量化 關注可瞭解更多的金融與Python乾貨。 “巧婦難為無米之炊”，找不到資料，量化分析也就無從談起。對於金融分析者來說，獲取資料是量化分析的第一步。Python的一個強大功能之一就是資料獲取（爬蟲）。但是對於沒時間學爬蟲程式的小白來說，pytho

Python資料分析之pandas資料視覺化 python

Python資料視覺化常用的是matplotlib庫，matplotlib是底層庫，今天學了pandas的資料視覺化，相對於matplotlib庫來說，簡單許多。 折線圖 %matplotlib inline import numpy as np import

Python資料視覺化—seaborn

Seaborn其實是在matplotlib的基礎上進行了更高階的API封裝，從而使得作圖更加容易，在大多數情況下使用seaborn就能做出很具有吸引力的圖。這裡例項採用的資料集都是seaborn提供的幾個經典資料集，dataset檔案可見於Github。 1  set_st

python資料分析07--matplotlib繪圖和視覺化

python資料分析07–matplotlib繪圖和視覺化 一、簡介 ​ 資訊視覺化（也叫繪圖）是資料分析中最重要的工作之一。它可能是探索過程的一部分，例 如，幫助我們找出異常值、必要的資料轉換、得出有關模型的idea等。另外，做一個可互動的 資料視覺化也許是工作的最終目標。 ​ m

python資料視覺化seaborn（一）—— 整體樣式與調色盤

很久之前對seaborn有過一些涉及但是沒有深入探究，這次有趁著有資料視覺化的需求，就好好學一學 Seaborn其實是在matplotlib的基礎上進行了更高階的API封裝，從而使得作圖更加容易，在大多數情況下使用seaborn就能做出很具有吸引力的圖，為資料分析提供了很大的便利性。但是

【python資料探勘課程】十九.鳶尾花資料集視覺化、線性迴歸、決策樹花樣分析

這是《Python資料探勘課程》系列文章，也是我這學期上課的部分內容。本文主要講述鳶尾花資料集的各種分析，包括視覺化分析、線性迴歸分析、決策樹分析等，通常一個數據集是可以用於多種分析的，希望這篇文章對大

Python資料分析：手把手教你用Pandas生成視覺化圖表

大家都知道，Matplotlib 是眾多 Python 視覺化包的鼻祖，也是Python最常用的標準視覺化庫，其功能非常強大，同時也非常複雜，想要搞明白並非易事。但自從Python進入3.0時代以後，pandas的使用變得更加普及，它的身影經常見於市場分析、爬蟲、金融分析以及

Python資料分析及視覺化的基本環境

首先搭建基本環境，假設已經有Python執行環境。然後需要裝上一些通用的基本庫，如numpy, scipy用以數值計算，pandas用以資料分析，matplotlib/Bokeh/Seaborn用來資料視覺化。再按需裝上資料獲取的庫，如Tushare（http://pyth

大神自學後作《Python資料分析入門——從資料獲取到視覺化》

本書為資料猿推出的《每週一本書》欄目叢書。歡迎大家推薦好書給我們，讓更多人受益。【資料猿導讀】本

[Python資料分析] 2-單因子探索分析與視覺化

I.理論部分 1)概念相關： 集中趨勢：均值，中位數，眾數，分位數 離中趨勢：標準差，方差 資料分佈：偏度係數，峰度係數，正態分佈，三大分佈 抽樣理論：抽樣誤差(確定樣本量)、抽樣精度 2)資料分類 定類(類別)：根據事物離散，無差別屬性進行的分類。性別，民族 定序(

python資料分析之資料視覺化matplotlib

import matplotlib.pyplot as plt import numpy as np import numpy.random as randn import pandas as pd f

Python資料分析入門（一）——初探資料視覺化

前言 靜下心算算，當程式設計師已經有好幾年了，不過自大學時代開始，學習對我來說就是個被動接受的過程，學校的課程、當時熱門的移動端開發、資料庫的學習、web學習、PHP後端學習……需要做什麼我便去學什麼，到了今天，突然意識到我是不是該給自己一個明確的發展方向了，畢竟歲月不饒人

Python資料分析之資料視覺化

資料視覺化是資料分析很重要的一部分，它能幫助我們更好的從繁雜的資料中更直觀更有效的獲取資訊。 matplotlib是用來建立圖表的工具包之一。其目的是為Python構建一個Matlab式的繪圖介面，初次接觸的時候我就感覺這貨跟matlab畫的圖表很相似。雖說其