Pandas和Seaborn可视化详解
Pandas和Seaborn可视化详解
Pandas和Seaborn是Python数据分析中最常用的库之一，它们提供了丰富的数据可视化功能。本文将详细介绍如何使用Pandas和Seaborn进行数据可视化，包括单变量、双变量和多变量可视化，以及各种图表的绘制方法和技巧。
Pandas绘图-单变量
概述
pandas库是Python数据分析的核心库，不仅可以加载和转换数据，还可以进行可视化。pandas绘图API简单易用，是pandas流行的重要原因之一。
可视化小技巧
- 如果是类别型数据，可以使用柱状图或饼图（类别相对较少，5-6个或更少），所有的类别加起来是1个整体。
- 如果是数值型数据，可以使用折线图查看变化趋势，使用直方图查看分布。绘制直方图时，需要注意数据分布不均匀的情况，可以将极值单独取出来讨论，把去掉极值的部分再绘制直方图。
单变量可视化介绍
单变量可视化包括条形图、折线图、直方图、饼图等。本文将使用葡萄酒评论数据集进行演示，该数据集来自葡萄酒爱好者杂志，包含10个字段，150929行，每一行代表一款葡萄酒。
数据使用
葡萄酒评论数据集，来自葡萄酒爱好者杂志，包含10个字段，150929行，每一行代表一款葡萄酒。
代码演示
需求1(柱状图): 将所有的葡萄酒品牌按照产区分类, 看看哪个产区的葡萄酒品种多
# 1. 加载源数据
import pandas as pd
reviews = pd.read_csv('data/winemag-data_first150k.csv', index_col=0)
reviews
# 2. 查看每列的信息
# reviews.info()
reviews.describe()
# 3. 需求1: 将所有的葡萄酒品牌按照产区分类, 看看哪个产区的葡萄酒品种多.
kwargs = dict(figsize=(16, 8), fontsize=20, color=['b', 'orange', 'g', 'r'])
reviews['province'].value_counts().head(10).plot.bar(**kwargs)
需求2:计算 加利福尼亚 葡萄酒占总数的 百分比
# 4. 上图说明 加利福尼亚 生产的葡萄酒比其他省都多, 也可以折算成比例.
# 需求2: 计算 加利福尼亚 葡萄酒占总数的 百分比.
(reviews['province'].value_counts().head(10) / len(reviews)).plot.bar(**text_kwargs)
需求3:获取葡萄酒评分列, 统计每个评分, 分别有多少种酒.
# 5. 需求3: 获取葡萄酒评分列, 统计每个评分, 分别有多少种酒.
# 柱状图
reviews['points'].value_counts().sort_index().plot.bar(**text_kwargs)
# 折线图, 如果要绘制的数据不是类别值, 而是连续值, 比较适合实用折线图.
reviews['points'].value_counts().sort_index().plot.line(**text_kwargs)
柱状图和折线图区别:
- 柱状图：简单直观，很容易根据柱子的长短看出值的大小，易于比较各组数据之间的差别
- 折线图：易于比较各组数据之间的差别，能比较多组数据在同一个维度上的趋势，每张图上不适合展示太多折线
需求4:面积图就是在折线图的基础上，把折线下面的面积填充颜色
Pandas绘图-饼图
代码演示-饼图
饼图适合统计类别数量不多, 组合起来是1的数据的可视化
Seaborn绘图-KDE和直方图
概述
Seaborn是基于matplotlib的图形可视化python包。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。Seaborn和Pandas的API配合的很好，使用DataFrame/Series的数据就可以绘图seaborn: statistical data visualization — seaborn 0.13.2 documentation
seaborn 通用的几个参数
- data 传入一个df 对象
- x , y df中的列名
- hue 传入一个类别型的列名, 同样的图会按照这个类别, 分组, 分别绘制一份绘制到一起方便进行对比
seaborn 调整图的大小
- plt.subplots(figsize=())
- 如果plt.subplots(figsize=()) 不行, 都会有一个height的参数, 指定图片的高度 可以通过height 调整图片大小
- height 高度 aspect 宽高比例
需求1: 单变量-直方图
需求2: 单变量-KDE图
KDE图: 用于估计未知随机变量的概率分布. x轴: 样本数据, y轴: 概率分布. KDE图可以理解为是对直方图的加窗平滑. 它解决了一个基本的数据平滑问题, 即: 根据有限的数据样本对总体进行推断.
直方图 和 KDE对比
- 表示的意义基本一样, 都是 线/柱子越高 出现的概率/样本数量越大/越高
- KDE 当多个类别进行对比的时候, 读图比直方图方便
- Y轴的坐标, KDE图是概率密度 直方图是样本数量
Seaborn绘图-计数柱状图
概述
计数图和直方图很像，直方图通过对数据分组来描述分布，计数图（条形图）是对离散变量（分类变量）计数。
实例代码
双变量可视化-散点-蜂巢-2D KDE
散点图-scatterplot
散点图-regplot
# 散点图
# 1. 绘制画布
fig, ax = plt.subplots(figsize=(12, 6))
# 2. 绘制散点图
# fit_reg 默认是True 会拟合一条直线 就是利用这一份数据 跑了线性回归
# fit_reg=False 可以关掉
sns.regplot(data=tips, x='total_bill', y='tip', fit_reg=True)
# 3. 设置标题
ax.set_title('总账小费之间关系图')
# 4. 绘图
plt.show()
蜂巢图
2D KDE图
双变量可视化
箱线图
箱线图用于显示多种统计信息：最小值，1/4分位，中位数，3/4分位，最大值，以及离群值（如果有）。
箱线图读图
- 箱子的中间有一条线，代表了数据的中位数
- 箱子的上下底，分别是数据的上四分位数（Q3）和下四分位数（Q1）
- 箱体包含了50%的数据。因此，箱子的高度在一定程度上反映了数据的波动程度
- 上下边缘则代表了该组数据的最大值和最小值
- IQR = 上四分位数（Q3) - 下四分位数（Q1） 四分位距（interquartile range,IQR），又称四分差
- 判断异常值时最大值 = 上四分位数（Q3) + 1.5 IQR 大于这个值的就是异常值
- 判断异常值时最小值 = 下四分位数（Q1）- 1.5 IQR 小于这个值的就是异常值
- 有时候箱子外部会有一些点，可以理解为数据中的“异常值”
小提琴图
小提琴图是经典的可视化方法，但可能会掩盖数据的分布。小提琴图能显示与箱线图相同的值，小提琴图把"箱线"绘成核密度估计，有助于保留数据的更多可视化信息。
优势
- 小提琴图同时展示了数据的统计分布和概率密度，能够更好地揭示数据的形态和特征。
- 小提琴图可以通过分组变量进行比较分析，方便观察不同类别间的差异。
- 小提琴图能够显示数据的离散程度，通过观察图形的宽度可以了解数据的散布情况。
多变量可视化
概述
绘制多变量数据没有标准的套路，如果想在图中包含更多信息，可以使用颜色、大小和形状来区分它们。
代码演示
# 多变量, 通过 颜色区分.
# 例如: 使用violinplot函数时，可以通过hue参数按性别（sex）给图着色, 可以为“小提琴”的左右两半着不同颜色，用于区分性别
# white, dark, whitegrid, darkgrid, ticks
# sns.set_style('ticks')
fig, ax = plt.subplots(figsize=(12, 6))
sns.violinplot(data=tips, x='time', y='total_bill', hue='sex', split=True) # hue='性别'
ax.set_title('总账小费之间关系图')
plt.show()
Seaborn主题和样式
概述
上面的Seaborn图都采用了默认样式，可以使用sns.set_style函数更改样式。该函数只要运行一次，后续绘图的样式都会发生变化。Seaborn有5种样式：
- darkgrid 黑色网格（默认）
- whitegrid 白色网格
- dark 黑色背景
- white 白色背景
- ticks
格式
sns.set_style('主题名')
fig,ax = plt.subplots()
ax = sns.violinplot(x='time',y='total_bill',hue='sex',data = tips,split = True)
代码演示
Seaborn绘图小结
sns.XXXplot(data = df, x = '列名', y='列名',hue='列名')
调整绘图区域的大小
- plt.subplots(figsize=())
- 如果plt.subplots(figsize=()) 不行, 都会有一个height的参数, 指定图片的高度 可以通过height 调整图片大小
- height 高度 aspect 宽高比例