No.1 Seaborn 和 Matplotlib 对比

用经典的鸢尾花的数据为例子，来对比一下 seaborn 和 matplotlib

In [42]:
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns
from pandas import Series, DataFrame
In [43]:
iris = pd.read_csv('https://raw.githubusercontent.com/pydata/pandas/master/pandas/tests/data/iris.csv')
In [44]:
iris.head()
Out[44]:
SepalLength SepalWidth PetalLength PetalWidth Name
0 5.1 3.5 1.4 0.2 Iris-setosa
1 4.9 3.0 1.4 0.2 Iris-setosa
2 4.7 3.2 1.3 0.2 Iris-setosa
3 4.6 3.1 1.5 0.2 Iris-setosa
4 5.0 3.6 1.4 0.2 Iris-setosa

然后里面的 Name 一共有 3 个，3 个种类。

In [45]:
iris.Name.unique()
Out[45]:
array(['Iris-setosa', 'Iris-versicolor', 'Iris-virginica'], dtype=object)
In [46]:
iris_groupby = iris.groupby(iris['Name'])
In [47]:
iris_groupby.get_group('Iris-setosa')[:5]
Out[47]:
SepalLength SepalWidth PetalLength PetalWidth Name
0 5.1 3.5 1.4 0.2 Iris-setosa
1 4.9 3.0 1.4 0.2 Iris-setosa
2 4.7 3.2 1.3 0.2 Iris-setosa
3 4.6 3.1 1.5 0.2 Iris-setosa
4 5.0 3.6 1.4 0.2 Iris-setosa
In [48]:
iris_groupby.get_group('Iris-versicolor')[:5]
Out[48]:
SepalLength SepalWidth PetalLength PetalWidth Name
50 7.0 3.2 4.7 1.4 Iris-versicolor
51 6.4 3.2 4.5 1.5 Iris-versicolor
52 6.9 3.1 4.9 1.5 Iris-versicolor
53 5.5 2.3 4.0 1.3 Iris-versicolor
54 6.5 2.8 4.6 1.5 Iris-versicolor

然后下面用 matplotlib 画图。

In [49]:
color_map = dict(zip(iris.Name.unique(), ['blue', 'green', 'red']))
In [50]:
color_map
Out[50]:
{'Iris-setosa': 'blue', 'Iris-versicolor': 'green', 'Iris-virginica': 'red'}
In [51]:
for species, group in iris.groupby('Name'):
    plt.scatter(group['PetalLength'], group['SepalLength'],
               color=color_map[species],
               alpha=0.3, edgecolor=None,
               label=species)
plt.legend(frameon=True, title='Name')
plt.xlabel('petalLength')
plt.ylabel('sepalLength')
plt.show()

图中三种颜色表示三种类型的花，SepalLength 表示萼片长度，PetalLength 表示花瓣长度。

有没有发现代码好长啊，而且容易出错。再看看 seaborn。

In [52]:
sns.lmplot('PetalLength', 'SepalLength', iris, hue='Name', fit_reg=False)
plt.show()

一行代码……有没有一种呵呵哒的感觉？这差距也太大了。

No.2 Seaborn 直方图和密度图

首先回顾一下 matplotlib 画直方图密度图。

In [53]:
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns
from pandas import Series, DataFrame
In [54]:
s1 = Series(np.random.randn(1000))
In [55]:
plt.hist(s1)
plt.show()
In [56]:
s1.plot(kind='kde')
plt.show()

再看看 seaborn 是怎么画的。

In [57]:
sns.distplot(s1, hist=True, kde=True)
plt.show()

人家把两个图结合到一起来当然也可以改的。

In [58]:
sns.distplot(s1, hist=False, kde=True, rug=True)
plt.show()

下面加了一层，表示分布情况。还可以添加 bins 来切割直方图。

In [59]:
sns.distplot(s1, bins=40, hist=True, kde=False, rug=True)
plt.show()

还可以填充密度图。

In [60]:
sns.kdeplot(s1, shade=True, color='r')
plt.show()

No.3 Seaborn 柱状图和热力图

首先使用 seaborn 的 load_dataset 方法来加载在线数据，这个如何实现可以去看 GitHub 的源码，源码里面提供了很多 csv 文件的数据集。

In [61]:
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns
from pandas import Series, DataFrame
In [62]:
df = sns.load_dataset('flights')
In [63]:
df.head()
Out[63]:
year month passengers
0 1949 January 112
1 1949 February 118
2 1949 March 132
3 1949 April 129
4 1949 May 121
In [64]:
df.shape
Out[64]:
(144, 3)

这是个飞行数据，下面做一个透视表出来。

In [65]:
df = df.pivot(index='month', columns='year', values='passengers')
In [66]:
df
Out[66]:
year 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960
month
January 112 115 145 171 196 204 242 284 315 340 360 417
February 118 126 150 180 196 188 233 277 301 318 342 391
March 132 141 178 193 236 235 267 317 356 362 406 419
April 129 135 163 181 235 227 269 313 348 348 396 461
May 121 125 172 183 229 234 270 318 355 363 420 472
June 135 149 178 218 243 264 315 374 422 435 472 535
July 148 170 199 230 264 302 364 413 465 491 548 622
August 148 170 199 242 272 293 347 405 467 505 559 606
September 136 158 184 209 237 259 312 355 404 404 463 508
October 119 133 162 191 211 229 274 306 347 359 407 461
November 104 114 146 172 180 203 237 271 305 310 362 390
December 118 140 166 194 201 229 278 306 336 337 405 432

根据这个透视表做一个热力图，查看每年飞行次数。

In [67]:
sns.heatmap(df, annot=True, fmt='d')
plt.show()

这张热力图能看出来 49 年到 60 年飞行次数逐步增加，并且每年飞行次数多集中于中间月份，也就是 5 月到 9 月。

然后再画一个柱状图，柱状图就比较简单了。

In [68]:
sns.barplot(x=df.sum().index, y=df.sum().values)
plt.show()

这是每一年飞行次数的综合画的柱状图。

No.4 Seaborn 强大的调色功能

首先写一个固定的绘图函数。

In [69]:
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns
from pandas import Series, DataFrame
In [70]:
def sinplot():
    x = np.linspace(0, 14, 100)
    plt.figure(figsize=(8, 6))
    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()    
    plt.show()
In [71]:
sinplot()

seaborn 内置了一个调色盘，六个颜色，有不同主题。

In [72]:
sns.color_palette() # RGB
Out[72]:
[(0.86, 0.3712, 0.33999999999999997),
 (0.86, 0.6832, 0.33999999999999997),
 (0.7247999999999999, 0.86, 0.33999999999999997),
 (0.41279999999999994, 0.86, 0.33999999999999997),
 (0.33999999999999997, 0.86, 0.5792000000000002),
 (0.33999999999999997, 0.8287999999999999, 0.86),
 (0.33999999999999997, 0.5167999999999995, 0.86),
 (0.4752000000000003, 0.33999999999999997, 0.86),
 (0.7871999999999999, 0.33999999999999997, 0.86),
 (0.86, 0.33999999999999997, 0.6207999999999999)]
In [73]:
sns.palplot(sns.color_palette())
plt.show()
In [74]:
pal_style = ['deep', 'muted', 'pastel', 'bright', 'dark', 'colorblind']
In [75]:
sns.palplot(sns.color_palette('deep'))
plt.show()
In [76]:
sns.palplot(sns.color_palette('bright'))
plt.show()
In [77]:
sns.palplot(sns.color_palette('colorblind'))
plt.show()

更换默认主题。

In [78]:
sns.set_palette(sns.color_palette('colorblind'))
sinplot()

图中线的颜色变了。你也可以自己设置颜色。

In [79]:
pal_1 = sns.color_palette([(0.5, 0.1, 0.7),
                          (0.3, 0.1, 0.9),
                          (0.7, 0.4, 0.2)])
In [80]:
sns.palplot(pal_1)
plt.show()

但是这种方法太慢了，还要自己敲数字，seaborn 还有一个更便捷的方法。

In [81]:
pal_2 = sns.color_palette('hls', 10)
sns.palplot(pal_2)
plt.show()
In [82]:
sns.set_palette(pal_2)
sinplot()

一行代码就可以了。

结束。