安裝與配置

Seaborn構(gòu)建在Matplotlib之上，因此可以結(jié)合Matplotlib進(jìn)行深度自定義。例如，使用plt.subplots創(chuàng)建圖形后，在子圖上繪制Seaborn圖形，然后使用Matplotlib的函數(shù)調(diào)整細(xì)節(jié)。

Seabron的核心價(jià)值在于自動(dòng)計(jì)算統(tǒng)計(jì)指標(biāo)，比如置信區(qū)間

置信區(qū)間是指由樣本統(tǒng)計(jì)量所構(gòu)造的總體參數(shù)的估計(jì)區(qū)間

import numpy as np
import pandas as pd
import seaborn as sns

# 可在繪圖函數(shù)中自動(dòng)計(jì)算平均值+置信區(qū)間
sns.barplot(data=tips, x="day", y="total_bill", ci=95)

#手動(dòng)計(jì)算如下
avg = tips.groupby('day')['total_bill'].mean()
std = tips.groupby('day')['total_bill'].std()
n = tips.groupby('day').size()
ci = 1.96 * std / np.sqrt(n)  # 95%置信區(qū)間

• 安裝用pip

核心功能

內(nèi)置數(shù)據(jù)集

• sns.get_dataset_names()：查看所有內(nèi)置數(shù)據(jù)集
  

• sns.load_dataset('tips')：下載數(shù)據(jù)集
  數(shù)據(jù)集特性：

  • 精心設(shè)計(jì)的統(tǒng)計(jì)數(shù)據(jù)集
  • 自動(dòng)處理缺失值
  • 包含分類變量和連續(xù)變量

如果無法下載可以試試關(guān)閉電腦防火墻

樣式設(shè)置

sns.set_style（）：設(shè)置主題

Seaborn 通過預(yù)設(shè)主題解決 Matplotlib 的默認(rèn)樣式問題

• darkgrid（默認(rèn)）：灰色背景，白色網(wǎng)格
• whitegrid：白色背景，網(wǎng)格線
• dark：深灰色背景，無網(wǎng)格
• white：白色背景，無網(wǎng)格
• ticks：白色背景，四周有刻度線

### 五大主題風(fēng)格對(duì)比
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

styles = ["darkgrid", "whitegrid", "dark", "white", "ticks"]
for i, style in enumerate(styles, 1):
    plt.subplot(2, 3, i)
    sns.set_style(style)
    sns.barplot(x=["A", "B"], y=[3, 7])
    plt.title(style)
plt.tight_layout()
plt.show()

sns.set_context()：設(shè)置上下文

• context：控制圖形的比例，適合不同的使用場(chǎng)景（如論文、演講等）
  • paper:最小，適合論文插圖
  • notebook：默認(rèn)適合Jupyter Notebook
  • talk：較大適合，適合演講
  • poster：海報(bào)/展板
• font_scale：字體縮放比例 (=1.2放大20%)
• rc=None：額外覆蓋的rc參數(shù)
  

sns.set_palette（）：設(shè)置調(diào)色板

• 預(yù)設(shè)調(diào)色板：deep, muted, pastel, dark, colorblind等
• 連續(xù)調(diào)色板：rocket, mako, viridis, magma等
• 離散調(diào)色板：Set1, Set2, Paired, tab10等
• 發(fā)散調(diào)色板：vlag, icefire, coolwarm等

常見圖表

關(guān)系圖：用于展示兩個(gè)變量之間的關(guān)系

sns.scatterplot()：散點(diǎn)圖

創(chuàng)建高度可定制的散點(diǎn)圖，用于展示兩個(gè)數(shù)值變量之間的關(guān)系，支持多個(gè)分組維度

• 自動(dòng)處理顏色，大小和樣式映射
• 支持?jǐn)?shù)值和分類變量的分組
• 內(nèi)置顏色調(diào)色板和樣式控制
• 邊緣線處理增強(qiáng)可讀性

詳細(xì)參數(shù)如下：

• 基本散點(diǎn)圖
  

• 多維度分組散點(diǎn)圖
  

• 帶回歸線散點(diǎn)圖
  

sns.lineplot()：折線圖（可帶置信區(qū)間）

展示數(shù)據(jù)隨時(shí)間或有序變量的變化趨勢(shì)，支持多線比較和置信區(qū)間

• 自動(dòng)聚合重復(fù)x值和y值
• 計(jì)算并繪制置信區(qū)間
• 支持多線分組
• 處理缺失值只能插值

詳細(xì)參數(shù)如下：

• 基本折線圖
  

• 多分組折線圖
  

分布圖：用于展示單變量雙變量分布情況

sns.histplot()：直方分布圖

展示數(shù)值變量的分布情況，可結(jié)合核密度估計(jì)（KDE）和地毯圖

• 靈活的箱數(shù)（bins）設(shè)置；
• 支持單變量和多變量分布；
• 可疊加KDE和地毯圖

詳細(xì)參數(shù)如下：

• 基本直方圖
  

• 分組直方圖
  

• 雙變量直方圖
  

sns.kdeplot()：核密度估計(jì)圖

創(chuàng)建核密度估計(jì)圖，用于可視化單變量或雙變量的概率密度分布

• 單變量或雙變量密度估計(jì)
• 支持填充和輪廓圖
• 多種帶寬計(jì)算方法
• 分層可視化

詳細(xì)參數(shù)如下：

• 單變量KDE
  

• 雙變量KDE
  

• 分組KDE比較
  

• 輪廓線KDE
  

sns.ecdfplot()：經(jīng)驗(yàn)累積分布函數(shù)圖

可視化數(shù)據(jù)的經(jīng)驗(yàn)累計(jì)分布函數(shù)（ECDE），直接顯示數(shù)據(jù)分布而不依賴分箱

• 無參數(shù)估計(jì)，直接展示數(shù)據(jù)
• 直觀比較分布
• 顯示數(shù)據(jù)百分位點(diǎn)
• 支持多分組

詳細(xì)參數(shù)如下

• 基本ECDF圖
  

• 分組比較ECDF
  

sns.rugplot()：地毯圖

在坐標(biāo)軸上顯示數(shù)據(jù)點(diǎn)的位置，通常作為其他圖的補(bǔ)充

• 簡(jiǎn)潔顯示數(shù)據(jù)分布
• 高效展示大量數(shù)據(jù)點(diǎn)
• 完美配合KDE和直方圖

詳細(xì)參數(shù)如下：

• 雙變量地毯圖
  

• 分組地毯圖
  

• 配合直方圖和KDE
  

分類圖

sns.barplot()：條形統(tǒng)計(jì)圖

用于展示分類變量的集中趨勢(shì)（通常是平均值）及置信區(qū)間，自動(dòng)計(jì)算統(tǒng)計(jì)量并可視化

• 自動(dòng)計(jì)算并顯示平均值核置信區(qū)間；
• 支持分組和嵌套條形圖；
• 可處理分類變量和數(shù)值變量

詳細(xì)參數(shù)如下：

• 基礎(chǔ)條形統(tǒng)計(jì)圖
  

• 分組條形圖
  

sns.boxplot()：箱線圖

展示數(shù)據(jù)分布的無數(shù)概括（最小值，Q1,中位數(shù)，Q3，最大值）以及離群值

• 直觀顯示數(shù)據(jù)分布和離群值
• 支持多組比較
• 可水平或垂直顯示
• 自動(dòng)處理分類變量

詳細(xì)參數(shù)如下：

• 基礎(chǔ)箱線圖
  

• 分組箱線圖
  

sns.countplot()：計(jì)數(shù)條形圖（每個(gè)類別的樣本數(shù)）

顯示分類變量的觀測(cè)數(shù)量，自動(dòng)計(jì)算并繪制每個(gè)類別的計(jì)數(shù)

• 自動(dòng)分類計(jì)數(shù)
• 支持水平/垂直顯示
• 分組嵌套條形圖
• 顏色編碼分類

詳細(xì)參數(shù)如下：

• 基本計(jì)數(shù)圖
  

• 分組計(jì)數(shù)圖
  

• 水平計(jì)數(shù)圖
  

sns.violinplot()：小提琴圖

結(jié)合箱線圖和核密度估計(jì)，展示數(shù)據(jù)分布形狀和密度

• 顯示數(shù)據(jù)分布形狀
• 包含箱線圖元素
• 支持分組和嵌套
• 可拆分比較

詳細(xì)參數(shù)如下：

• 基礎(chǔ)小提琴圖
  

• 高級(jí)分組小提琴圖
  

sns.swarmplot()：蜂群圖

顯示所有數(shù)據(jù)點(diǎn)的分布，點(diǎn)會(huì)調(diào)整位置避免重疊，類似散點(diǎn)圖但專門為分類變量設(shè)計(jì)

• 顯示所有數(shù)據(jù)點(diǎn)
• 自動(dòng)避免點(diǎn)重疊
• 保留原始數(shù)據(jù)分布
• 適合中小規(guī)模數(shù)據(jù)集

詳細(xì)參數(shù)如下：

• 基礎(chǔ)蜂群圖
  

• 與箱線圖組合
  

回歸圖

sns.regplot()：回歸模型模擬合圖

它不僅能可視化兩個(gè)變量之間的關(guān)系，還能展示線性回歸模擬的擬合結(jié)果

• 繪制散點(diǎn)圖展示原始數(shù)據(jù)點(diǎn)
• 計(jì)算并繪制線性回歸擬合線
• 可顯示回歸線的置信區(qū)間
• 支持多種回歸模型（線性，多項(xiàng)式，邏輯回歸等）
• 提供殘差圖等診斷信息

詳細(xì)參數(shù)如下：

sns.regplot(
    data=None,          # 數(shù)據(jù)框
    x=None, y=None,     # 坐標(biāo)軸變量
    x_estimator=None,   # 對(duì)x分組計(jì)算y的估計(jì)值
    x_bins=None,        # 分組箱數(shù)
    x_ci="ci",          # x分組的置信區(qū)間
    scatter=True,       # 是否顯示散點(diǎn)
    fit_reg=True,       # 是否擬合回歸線
    ci=95,              # 置信區(qū)間大小 (0-100)
    n_boot=1000,        # 自助法迭代次數(shù)
    units=None,         # 抽樣單位
    seed=None,          # 隨機(jī)種子
    order=1,            # 多項(xiàng)式階數(shù)
    logistic=False,     # 是否使用邏輯回歸
    lowess=False,       # 是否使用LOWESS平滑
    robust=False,       # 是否使用魯棒回歸
    logx=False,         # 是否對(duì)x取對(duì)數(shù)
    x_partial=None,     # 控制變量x
    y_partial=None,     # 控制變量y
    truncate=True,      # 是否截?cái)嗷貧w線到數(shù)據(jù)范圍
    dropna=True,        # 是否刪除缺失值
    x_jitter=None,      # x軸抖動(dòng)
    y_jitter=None,      # y軸抖動(dòng)
    label=None,         # 圖例標(biāo)簽
    color=None,         # 統(tǒng)一顏色
    marker="o",         # 點(diǎn)標(biāo)記樣式
    scatter_kws=None,   # 散點(diǎn)圖參數(shù)
    line_kws=None,      # 回歸線參數(shù)
    ax=None,            # 繪圖軸對(duì)象
    **kwargs            # 其他參數(shù)
)

核心參數(shù)詳解

• 基礎(chǔ)線性回歸
  

• 多項(xiàng)式回歸
  

• 邏輯回歸
  

sns.lmplot()：

在分面網(wǎng)格上繪制回歸模型和散點(diǎn)圖，是 regplot 的高級(jí)分面版本

• 支持分面網(wǎng)絡(luò)
• 靈活回歸模型
• 自動(dòng)分組顏色
• 高度可定制

詳細(xì)參數(shù)如下：

sns.lmplot(
    data=None,          # 數(shù)據(jù)框
    x=None, y=None,     # 坐標(biāo)軸變量
    hue=None,           # 顏色分組
    col=None,           # 列分面變量
    row=None,           # 行分面變量
    palette=None,       # 調(diào)色板
    col_wrap=None,      # 每行最大列數(shù)
    height=5,           # 每個(gè)分面高度
    aspect=1,           # 寬高比
    markers="o",        # 點(diǎn)標(biāo)記
    sharex=True,        # 共享x軸
    sharey=True,        # 共享y軸
    hue_order=None,     # 分組順序
    col_order=None,     # 列分面順序
    row_order=None,     # 行分面順序
    legend=True,        # 是否顯示圖例
    legend_out=True,    # 圖例是否在外
    x_estimator=None,   # x分組聚合函數(shù)
    x_bins=None,        # x分組箱數(shù)
    scatter=True,       # 是否顯示散點(diǎn)
    fit_reg=True,       # 是否擬合回歸
    ci=95,              # 置信區(qū)間
    n_boot=1000,        # 自助法樣本數(shù)
    order=1,            # 多項(xiàng)式階數(shù)
    logistic=False,     # 是否邏輯回歸
    lowess=False,       # 是否LOWESS
    robust=False,       # 是否魯棒回歸
    logx=False,         # 是否對(duì)數(shù)x軸
    x_partial=None,     # x控制變量
    y_partial=None,     # y控制變量
    truncate=True,      # 截?cái)嗷貧w線
    x_jitter=None,      # x抖動(dòng)
    y_jitter=None,      # y抖動(dòng)
    scatter_kws=None,   # 散點(diǎn)參數(shù)
    line_kws=None,      # 回歸線參數(shù)
    facet_kws=None,     # 分面參數(shù)
    **kwargs            # 其他參數(shù)
)

• 基本分面回歸
  

• 多項(xiàng)式分面回歸
  

矩陣圖

sns.heatmap()：

使用顏色編碼的矩陣可視化二維數(shù)據(jù)

• 直觀顯示數(shù)值大小
• 支持行列聚類
• 可添加數(shù)值標(biāo)注
• 強(qiáng)大的顏色映射控制

詳細(xì)參數(shù)如下：

• 基礎(chǔ)熱力圖
  

• 高級(jí)熱力圖
  

sns.clustermap()：聚類熱力圖（需要Scipy庫(kù)）

在熱力圖基礎(chǔ)上添加層次聚類樹狀圖，可對(duì)行和列進(jìn)行聚類

• 自動(dòng)行列聚類
• 可定制聚類方法
• 可添加顏色條和標(biāo)簽

參數(shù)詳解：

其他功能配置

高級(jí)顏色管理系統(tǒng)

sns.palplot()函數(shù)主要用于可視化調(diào)色板

• sns.palplot(sns.color_palette('husl',8))：分類調(diào)色板
  

• sns.palplot(sns.color_palette("rocket", as_cmap=False))：連續(xù)調(diào)色板
  

• sns.palplot(sns.diverging_palette(220, 20, n=9))：發(fā)散調(diào)色板
  

• 自定義調(diào)色板
  

多圖繪圖技術(shù)

多圖網(wǎng)格

FacetGrid 是 Seaborn 中最強(qiáng)大的多圖系統(tǒng)，允許基于分類變量創(chuàng)建網(wǎng)格化的圖表矩陣。其核心思想是"分面" - 根據(jù)一個(gè)或多個(gè)分類變量將數(shù)據(jù)分割，并在每個(gè)子圖中展示數(shù)據(jù)子集

sns.FacetGrid：創(chuàng)建基礎(chǔ)FacetGrid

配對(duì)圖

Pairplot創(chuàng)建數(shù)據(jù)集中數(shù)值變量?jī)蓛申P(guān)系的網(wǎng)格圖，對(duì)角線顯示單變量分布，非對(duì)角線顯示雙變量關(guān)系

sns.pairplot：基礎(chǔ)配對(duì)圖

聯(lián)合分布圖

Jointplot 在一個(gè)圖表中同時(shí)展示兩個(gè)變量的雙變量關(guān)系及其各自的單變量分布

sns.jointplot：基礎(chǔ)聯(lián)合分布圖

多圖技術(shù)比較