Python數據科學入門筆記05——seaborn

seaborn 是matplotlib的擴展

一、seaborn 實現直方圖和密度圖

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pandas import Series,DataFrame

import seaborn as sns

s1 = Series(np.random.randn(1000))
# distplot() 可以同時繪制多個圖，圖名稱=True
# 默認繪制hist和kde  rug 顯示分布密集度  更多參數看文檔
sns.distplot(s1,hist=False,kde=True,rug=True)

# 密度圖 
# shade 是否填充
# kdeplot() /  rugplot() 等
sns.kdeplot(s1,shade=True,color='r')

# 直接調用 matplotlib 的api
# 暫時未解決問題  
sns.plt.hist(s1)

二、實現柱狀圖和熱力圖

# 下載  seaborn的數據作為實驗數據
# seaborn 在github上有
df = sns.load_dataset('flights')   
df.head()

df.shape

(144, 3)

# 透視表 查看數據更方便
df = df.pivot(index='month',columns='year',values='passengers')
df.head()

# 熱力圖
sns.heatmap(df)

# 柱狀圖
s = df.sum()
sns.barplot(x=s.index,y=s.values)

三、seaborn設置圖像效果

1.set_style() 風格設置

x = np.linspace(0,14,100)

y1 = np.sin(x)
y2 = np.sin(x+2)*1.25

def sinplot():
    plt.plot(x,y1)
    plt.plot(x,y2)

import seaborn as sns
# 設置風格 style : dict, None, or one of {darkgrid, whitegrid, dark, white, ticks}
# 設置風格  通過字典形式修改原有參數 
sns.set_style("whitegrid",{'grid.color':'red'})  

#  上面導入 seabron 后改變了圖像的效果
sinplot()

# 查看風格參數 可自行設置
sns.axes_style()

{'axes.facecolor': 'white',
 'axes.edgecolor': '.8',
 'axes.grid': True,
 'axes.axisbelow': True,
 'axes.linewidth': 1.0,
 'axes.labelcolor': '.15',
 'figure.facecolor': 'white',
 'grid.color': 'red',
 'grid.linestyle': '-',
 'text.color': '.15',
 'xtick.color': '.15',
 'ytick.color': '.15',
 'xtick.direction': 'out',
 'ytick.direction': 'out',
 'xtick.major.size': 0.0,
 'ytick.major.size': 0.0,
 'xtick.minor.size': 0.0,
 'ytick.minor.size': 0.0,
 'legend.frameon': False,
 'legend.numpoints': 1,
 'legend.scatterpoints': 1,
 'lines.solid_capstyle': 'round',
 'image.cmap': 'rocket',
 'font.family': ['sans-serif'],
 'font.sans-serif': ['Arial',
  'DejaVu Sans',
  'Liberation Sans',
  'Bitstream Vera Sans',
  'sans-serif']}

# 還原默認設置
sns.set()
sinplot()

2.更改曲線屬性 plotting_context() 和 set_context()

# seaborn 設置的 幾種context
context = ['paper','notebook','talk','poster']

# rc={} 修改原有參數
sns.set_context(context[2],rc = {'grid.linewidth':3})
sinplot()

# 查看當前 context 參數
sns.plotting_context()

{'font.size': 15.600000000000001,
 'axes.labelsize': 14.3,
 'axes.titlesize': 15.600000000000001,
 'xtick.labelsize': 13.0,
 'ytick.labelsize': 13.0,
 'legend.fontsize': 13.0,
 'grid.linewidth': 3.0,
 'lines.linewidth': 2.275,
 'patch.linewidth': 0.39,
 'lines.markersize': 9.1,
 'lines.markeredgewidth': 0.0,
 'xtick.major.width': 1.3,
 'ytick.major.width': 1.3,
 'xtick.minor.width': 0.65,
 'ytick.minor.width': 0.65,
 'xtick.major.pad': 9.1,
 'ytick.major.pad': 9.1}

四、seaborn的調色功能

def sinplot2():
    x = np.linspace(0,14,100)
    plt.figure(figsize=(8,6))  # 設置畫布大小
    for i in range(4):
        plt.plot(x,np.sin(x+i)*(i+0.75),label='sin(x+%s)*(%s+0.75)'%(i,i))
        plt.legend()

sinplot2()

# 導入 seaborn 修飾圖像
import seaborn as sns
sns.set_style(style='darkgrid')

sinplot2()

調色

sns.color_palette()     # RGB 顏色取值

[(0.12156862745098039, 0.4666666666666667, 0.7058823529411765),
 (1.0, 0.4980392156862745, 0.054901960784313725),
 (0.17254901960784313, 0.6274509803921569, 0.17254901960784313),
 (0.8392156862745098, 0.15294117647058825, 0.1568627450980392),
 (0.5803921568627451, 0.403921568627451, 0.7411764705882353),
 (0.5490196078431373, 0.33725490196078434, 0.29411764705882354),
 (0.8901960784313725, 0.4666666666666667, 0.7607843137254902),
 (0.4980392156862745, 0.4980392156862745, 0.4980392156862745),
 (0.7372549019607844, 0.7411764705882353, 0.13333333333333333),
 (0.09019607843137255, 0.7450980392156863, 0.8117647058823529)]

# 繪制 color_palette() 顏色板
sns.palplot(sns.color_palette())

# coclor_palette 里定義的顏色名
pal_style = ['deep', 'muted', 'bright', 'pastel', 'dark', 'colorblind']

sns.palplot(sns.color_palette('bright'))

設置調色板

sns.set_palette(sns.color_palette('bright'))

# 修改顏色版 即顏色組合后后繪制的圖像
sinplot2()

# 恢復默認風格
sns.set() 
# 使用 with 語句 ，在with 語句中畫圖會使用其設置的風格
# 在 with 外使用默認風格
# 也就是說 with 臨時設置風格
with sns.color_palette('dark'):
    sinplot2()

# 傳入數值 設置自己的畫板

# RGB 值
pal = sns.color_palette([(0.5,0.2,0.4),(0.3,0.9,0.2)])  

sns.palplot(pal)

sns.palplot(sns.color_palette('hls',8))