Seaborn

Seaborn 是一个基于 Matplotlib 的 Python 可视化库。它的目标是提供一个高级接口，用于绘制有吸引力且信息丰富的统计图形。

核心理念： Seaborn 的设计高度集成 Pandas DataFrame，使得处理和可视化数据框变得非常高效和简单。相比于 Matplotlib 的底层控制，Seaborn 更侧重于数据本身的统计关系。

---

Seaborn 核心概念与优势

1. 优势与定位

• 高级抽象： 极大地简化了绘制复杂统计图表所需的代码。你无需处理大量的 Matplotlib 底层配置。

• 内置主题： 提供美观且专业的默认图形样式和配色方案。

• 统计图类型： 专注于可视化单变量、双变量和多变量的分布、关系和比较。

• DataFrame 集成： 大部分 Seaborn 函数可以直接接受 Pandas DataFrame 作为输入，使用列名来指定数据。

2. 核心函数类别

Seaborn 的函数可以大致分为以下几类，对应不同的统计目标：

---

Seaborn 基础绘图与数据关系

3. 关系图 (Relational Plots)

这些图用于显示数据集中的观测值之间的统计关系。

• scatterplot() (散点图)： 最基本的关系图，用于显示两个数值变量之间的关系。

  • 关键参数： x, y (数据列), data (DataFrame), hue (用于第三个分类变量着色)。

  • 示例： sns.scatterplot(x="total_bill", y="tip", hue="time", data=df)

• lineplot() (线图)： 用于显示随时间或序列变化的趋势，通常自动计算均值和置信区间。

  • 示例： sns.lineplot(x="day", y="tip", data=df)

• relplot() (通用关系图)： 结合散点图和线图，并允许使用 col 和 row 参数创建多图网格 (Faceting)。

4. 分布图 (Distribution Plots)

这些图用于显示一个或多个变量的分布情况。

• histplot() (直方图)： 显示数值变量的频率分布。

  • 示例： sns.histplot(data=df, x="total_bill", bins=15)

• kdeplot() (核密度估计图)： 通过平滑的曲线估计概率密度函数，用于可视化变量的分布形状。

  • 示例： sns.kdeplot(data=df, x="total_bill")

• displot() (通用分布图)： 可以统一创建直方图 (kind='hist')、核密度估计图 (kind='kde') 或经验累积分布函数图 (kind='ecdf')，并支持多图网格。

---

Seaborn 分类与统计图

5. 分类图 (Categorical Plots)

用于比较分类变量与数值变量之间的关系。

• boxplot() (箱线图)： 显示数据分布的五数概括（中位数、四分位数、异常值）。

  • 示例： sns.boxplot(x="day", y="total_bill", data=df)

• violinplot() (小提琴图)： 结合了箱线图和核密度估计，显示数据分布的完整形状。

  • 示例： sns.violinplot(x="day", y="total_bill", data=df)

• barplot() (条形图)： 显示每个分类 bin 的均值和置信区间（默认）。

  • 示例： sns.barplot(x="day", y="total_bill", data=df)

• catplot() (通用分类图)： 统一的接口，用于绘制所有分类图（如箱线图、小提琴图、条形图等），并支持多图网格。

6. 矩阵图 (Matrix Plots)

用于可视化矩阵数据。

• heatmap() (热力图)： 将数据矩阵的值映射到颜色。常用于可视化相关系数矩阵或混淆矩阵。

  • 关键参数： data (二维数组或 DataFrame), annot=True (在单元格内显示数值)。

  • 示例： sns.heatmap(df.corr(), annot=True, cmap='coolwarm')

---

样式与高级控制

7. 主题与样式设置

Seaborn 允许你使用内置的主题和样式函数来美化图形：

• 设置主题： sns.set_theme() 或 sns.set_style(style)

  • style 选项包括：'darkgrid', 'whitegrid', 'dark', 'white', 'ticks'.

• 设置调色板： sns.set_palette(palette)

  • 可以设置 Matplotlib 调色板名称或 Seaborn 自己的调色板。

8. Matplotlib 结合

由于 Seaborn 是建立在 Matplotlib 上的，因此你可以使用 Matplotlib 的 OO 接口对 Seaborn 生成的图形进行精细定制。

1. 获取 Axes 对象： 大多数 Seaborn 函数都会返回 Matplotlib 的 Axes 对象。

2. 定制： 使用 ax.set_title(), ax.set_xlabel(), plt.tight_layout() 等 Matplotlib 函数进行修改。

---

笔记整理与常用速查表