本文分享自华为云社区《使用 Seaborn 实现高级统计图表从箱线图到多变量关系探索》 ，作者：柠檬味拥抱。
在数据科学和数据可视化领域，Seaborn 是一个备受欢迎的 Python 可视化库。它建立在 Matplotlib 的基础之上，提供了更简洁、更美观的图形界面，同时也具备了一些高级统计图表的功能。本文将介绍如何利用 Seaborn 实现一些高级统计图表，并提供相应的代码示例。
首先，确保你已经安装了 Seaborn。你可以使用 pip 进行安装：
pip install seaborn
在开始之前，我们需要导入 Seaborn 以及其他一些常用的数据处理和可视化库：
import seaborn as sns import matplotlib.pyplot as plt import numpy as np import pandas as pd
箱线图是一种常用的统计图表，用于显示数据的分布情况。Seaborn 提供了简单易用的接口来绘制箱线图。
# 生成随机数据 np.random.seed(0) data = np.random.normal(loc=0, scale=1, size=100) # 绘制箱线图 sns.boxplot(data=data) plt.title('Box Plot of Random Data') plt.show()
在这个例子中，我们生成了一组随机数据，并使用 sns.boxplot() 函数绘制了箱线图。通过这个图表，我们可以直观地了解数据的分布情况，包括中位数、四分位数以及异常值的情况。
小提琴图是一种结合了箱线图和核密度估计的图表，可以更直观地展示数据的分布情况。
# 生成随机数据 np.random.seed(0) data1 = np.random.normal(loc=0, scale=1, size=100) data2 = np.random.normal(loc=2, scale=1.5, size=100) data = np.concatenate([data1, data2]) labels = ['Group 1'] * 100 + ['Group 2'] * 100 # 绘制小提琴图 sns.violinplot(x=labels, y=data) plt.title('Violin Plot of Two Groups') plt.show()
在这个例子中，我们生成了两组不同的随机数据，并使用 sns.violinplot() 函数绘制了小提琴图。通过这个图表，我们可以比较两组数据的分布情况，并观察其差异。
热力图是一种用颜色表示数据矩阵的图表，常用于显示相关性或者数据密度。
# 生成随机数据 np.random.seed(0) data = np.random.rand(10, 10) # 绘制热力图 sns.heatmap(data, annot=True, cmap='viridis') plt.title('Heatmap of Random Data') plt.show()
在这个例子中，我们生成了一个随机的 10x10 矩阵，并使用 sns.heatmap() 函数绘制了热力图。通过这个图表，我们可以直观地了解数据之间的相关性以及数据的分布情况。
核密度估计图是一种用于估计数据密度函数的非参数方法，通过平滑观测数据，生成一个连续的概率密度曲线。
# 生成随机数据 np.random.seed(0) data = np.random.normal(loc=0, scale=1, size=100) # 绘制核密度估计图 sns.kdeplot(data, shade=True) plt.title('Kernel Density Estimation Plot of Random Data') plt.show()
在这个例子中，我们生成了一组随机数据，并使用 sns.kdeplot() 函数绘制了核密度估计图。这个图表展示了数据的概率密度分布情况，帮助我们更好地理解数据的分布特征。
成对关系图是一种用于可视化数据集中变量之间关系的图表，对于探索性数据分析非常有用。
# 生成随机数据集 np.random.seed(0) data = pd.DataFrame(np.random.randn(100, 4), columns=['A', 'B', 'C', 'D']) # 绘制成对关系图 sns.pairplot(data) plt.suptitle('Pair Plot of Random Data', y=1.02) plt.show()
在这个例子中，我们生成了一个随机的数据集，并使用 sns.pairplot() 函数绘制了成对关系图。这个图表展示了数据集中每两个变量之间的关系，包括散点图和单变量分布图，有助于发现变量之间的模式和相关性。
聚类图是一种用于展示数据集中变量之间相似性的图表，通过聚类算法将相似的变量分组显示。
# 生成随机数据集 np.random.seed(0) data = pd.DataFrame(np.random.rand(10, 10), columns=['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J']) # 绘制聚类图 sns.clustermap(data, cmap='viridis') plt.title('Cluster Map of Random Data') plt.show()
在这个例子中，我们生成了一个随机的数据集，并使用 sns.clustermap() 函数绘制了聚类图。这个图表展示了数据集中变量之间的相似性，通过聚类算法将相似的变量分组显示，有助于发现变量之间的模式和结构。
聚类热图是一种基于层次聚类算法的热力图，它将数据进行聚类并按照聚类结果重新排列，以便更好地展示数据的结构和关联性。
# 生成随机数据 np.random.seed(0) data = np.random.rand(10, 10) # 绘制聚类热图 sns.clustermap(data, cmap='coolwarm') plt.title('Clustermap of Random Data') plt.show()
在这个例子中，我们生成了一个随机的 10x10 矩阵，并使用 sns.clustermap() 函数绘制了聚类热图。通过这个图表，我们可以清晰地看到数据之间的聚类关系，以及不同数据点之间的相似性。
分类散点图是一种同时显示多个变量之间关系的图表，常用于探索数据集中不同变量之间的关联性。
# 加载示例数据集 iris = sns.load_dataset('iris') # 绘制分类散点图 sns.pairplot(iris, hue='species', markers=['o', 's', 'D']) plt.title('Pairplot of Iris Dataset') plt.show()
在这个例子中，我们使用 Seaborn 自带的鸢尾花数据集，并使用 sns.pairplot() 函数绘制了分类散点图。通过这个图表，我们可以一眼看出不同鸢尾花种类之间的特征差异，以及不同特征之间的相关性。
时间序列图是一种用于展示时间序列数据的图表，常用于分析数据随时间变化的趋势和周期性。
# 生成时间序列数据 dates = pd.date_range(start='2022-01-01', end='2022-12-31') data = np.random.randn(len(dates)) # 创建 DataFrame df = pd.DataFrame({'Date': dates, 'Value': data}) # 绘制时间序列图 sns.lineplot(x='Date', y='Value', data=df) plt.title('Time Series Plot of Random Data') plt.xlabel('Date') plt.ylabel('Value') plt.show()
在这个例子中，我们生成了一个随机的时间序列数据，并使用 sns.lineplot() 函数绘制了时间序列图。通过这个图表，我们可以清晰地看到数据随时间变化的趋势和周期性。
Seaborn 提供了丰富的调色板功能，可以帮助用户在图表中选择合适的颜色方案，以突出重点或增强可视化效果。
# 使用进阶调色板 current_palette = sns.color_palette('husl', 5) # 绘制柱状图 sns.barplot(x=np.arange(5), y=np.random.rand(5), palette=current_palette) plt.title('Bar Plot with Advanced Color Palette') plt.show()
在这个例子中，我们使用了 sns.color_palette() 函数来选择 Husl 调色板，并生成了一个包含 5 种颜色的调色板。然后，我们使用这个调色板来绘制了一个柱状图，以展示其效果。
Seaborn 允许用户通过设置不同的样式来定制图表外观，以满足个性化的需求。
# 设置自定义样式 sns.set_style('whitegrid') # 绘制散点图 sns.scatterplot(x=np.random.randn(100), y=np.random.randn(100)) plt.title('Scatter Plot with Customized Style') plt.show()
在这个例子中，我们使用了 sns.set_style() 函数将图表样式设置为白色网格，并绘制了一个散点图来展示其效果。
Seaborn 提供了多面板绘图的功能，可以同时展示多个子图，以便更好地比较不同子集之间的关系。
# 加载示例数据集 tips = sns.load_dataset('tips') # 创建 FacetGrid 对象 g = sns.FacetGrid(tips, col='time', row='smoker') # 绘制小提琴图 g.map(sns.violinplot, 'total_bill') plt.show()
在这个例子中，我们使用 sns.FacetGrid() 函数创建了一个 FacetGrid 对象，并在不同的子图中绘制了小提琴图，以展示不同子集之间的数据分布情况。
Seaborn 提供了多种方法来比较不同数据分布之间的差异，例如使用核密度估计或直方图。
# 加载示例数据集 iris = sns.load_dataset('iris') # 绘制核密度估计图 sns.kdeplot(data=iris, x='sepal_length', hue='species', fill=True) plt.title('Distribution Comparison of Sepal Length') plt.show()
在这个例子中，我们使用 sns.kdeplot() 函数绘制了鸢尾花数据集中不同种类之间萼片长度的核密度估计图，以比较它们的分布情况。
Seaborn 可以方便地展示数据的分组情况，例如利用分类变量对数据进行分组并进行可视化。
# 加载示例数据集 titanic = sns.load_dataset('titanic') # 绘制分类箱线图 sns.boxplot(data=titanic, x='class', y='age', hue='sex') plt.title('Grouped Box Plot of Age by Class and Sex') plt.show()
在这个例子中，我们使用 sns.boxplot() 函数绘制了泰坦尼克号数据集中不同船舱等级和性别对年龄的影响，以比较它们的分布情况。
Seaborn 提供了多种方法来探索多变量之间的关系，例如利用散点图矩阵或成对关系图。
# 加载示例数据集 iris = sns.load_dataset('iris') # 绘制散点图矩阵 sns.pairplot(data=iris, hue='species') plt.title('Pairplot for Exploring Multivariate Relationships') plt.show()
在这个例子中，我们使用 sns.pairplot() 函数绘制了鸢尾花数据集中不同特征之间的成对关系图，以探索它们之间的多变量关系。
本文介绍了如何利用 Seaborn 实现高级统计图表，并提供了丰富的代码示例。首先，我们学习了如何绘制常见的统计图表，包括箱线图、小提琴图、热力图等，通过这些图表可以直观地展示数据的分布和关联性。接着，我们探讨了进阶功能，如调色板、自定义图表样式、多面板绘图等，这些功能可以帮助用户定制化图表外观，增强可视化效果。然后，我们介绍了一些高级应用，如数据分布比较、数据分组展示、多变量关系探索等，这些方法可以帮助用户更深入地理解数据之间的关系和规律。通过本文的学习，读者可以掌握使用 Seaborn 进行数据可视化的基本技能，并能够运用其丰富的功能和灵活的接口进行数据分析和探索工作。 Seaborn 的强大功能和简洁接口使其成为数据科学家和分析师的不可或缺的工具之一。