跳到主要内容

Seaborn 数据可视化

Seaborn 是基于 Matplotlib 的统计数据可视化库，提供了更高级的接口和更美观的默认样式。它专门针对 Pandas 数据结构进行了优化，能够轻松创建各种统计图表。本章将详细介绍 Seaborn 的使用方法。

Seaborn 简介​

为什么选择 Seaborn？​

相比 Matplotlib，Seaborn 有以下优势：

  • 更简洁的 API：一行代码即可创建复杂图表
  • 美观的默认样式：内置多种专业配色方案
  • 统计数据可视化：自动计算统计量并绑定置信区间
  • Pandas 集成：直接使用 DataFrame 列名

安装和导入​

# 安装
# pip install seaborn

import seaborn as sns
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 设置样式
sns.set_theme(style="whitegrid")  # 可选: white, dark, whitegrid, darkgrid, ticks

# 设置中文字体（避免中文乱码）
plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False

图表类型概览​

Seaborn 的函数按功能分为几类：

模块函数用途
关系图relplot, scatterplot, lineplot展示变量关系
分布图displot, histplot, kdeplot展示数据分布
分类图catplot, boxplot, violinplot展示分类数据
回归图lmplot, regplot展示回归关系
矩阵图heatmap, clustermap展示矩阵数据

图表级别 vs 轴级别函数​

  • 轴级别函数：在单个坐标轴上绘图，返回 Axes 对象
  • 图表级别函数：管理整个图形，返回 FacetGrid 对象
# 轴级别函数
ax = sns.scatterplot(data=df, x='x', y='y')

# 图表级别函数（可以创建多子图）
g = sns.relplot(data=df, x='x', y='y', col='category')

关系图​

关系图用于展示两个或多个数值变量之间的关系。

散点图​

import seaborn as sns
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 创建示例数据
np.random.seed(42)
tips = pd.DataFrame({
    'total_bill': np.random.uniform(10, 50, 100),
    'tip': np.random.uniform(1, 10, 100),
    'sex': np.random.choice(['Male', 'Female'], 100),
    'smoker': np.random.choice(['Yes', 'No'], 100),
    'time': np.random.choice(['Lunch', 'Dinner'], 100)
})
tips['tip'] = tips['tip'] + tips['total_bill'] * 0.15  # 使tip与total_bill相关

# 基本散点图
plt.figure(figsize=(10, 6))
sns.scatterplot(data=tips, x='total_bill', y='tip')
plt.title('消费金额与小费关系')
plt.show()

# 添加分类颜色
plt.figure(figsize=(10, 6))
sns.scatterplot(data=tips, x='total_bill', y='tip', hue='sex')
plt.title('不同性别的小费分布')
plt.show()

# 添加大小和样式
plt.figure(figsize=(10, 6))
sns.scatterplot(data=tips, x='total_bill', y='tip', 
                hue='sex',      # 颜色区分性别
                style='time',   # 样式区分用餐时间
                size='smoker',  # 大小区分是否吸烟
                sizes=(50, 150))
plt.title('多维数据散点图')
plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()
plt.show()

线图​

# 创建时间序列数据
np.random.seed(42)
dates = pd.date_range('2024-01-01', periods=30)
fmri = pd.DataFrame({
    'timepoint': np.tile(np.arange(30), 4),
    'signal': np.random.randn(120).cumsum() + 10,
    'region': np.repeat(['frontal', 'parietal'], 60),
    'event': np.tile(np.repeat(['stim', 'cue'], 30), 2)
})

# 基本线图
plt.figure(figsize=(12, 6))
sns.lineplot(data=fmri, x='timepoint', y='signal')
plt.title('信号随时间变化')
plt.show()

# 分组线图
plt.figure(figsize=(12, 6))
sns.lineplot(data=fmri, x='timepoint', y='signal', 
             hue='region',    # 颜色区分区域
             style='event',   # 样式区分事件
             markers=True,    # 显示标记点
             dashes=False)    # 不使用虚线
plt.title('不同区域和事件的信号变化')
plt.show()

# 添加置信区间
plt.figure(figsize=(12, 6))
sns.lineplot(data=fmri, x='timepoint', y='signal', 
             hue='region',
             errorbar='sd')  # 显示标准差区间
plt.title('带置信区间的线图')
plt.show()

relplot 多面板图​

# 使用 relplot 创建多面板图
g = sns.relplot(data=tips, x='total_bill', y='tip',
                col='time',      # 列分面
                row='sex',       # 行分面
                hue='smoker',
                style='smoker',
                height=3, aspect=1.2)
g.fig.suptitle('不同时段和性别的小费分布', y=1.02)
plt.show()

分布图​

分布图用于展示单个变量的分布情况。

直方图​

# 创建示例数据
np.random.seed(42)
penguins = pd.DataFrame({
    'flipper_length_mm': np.random.normal(200, 15, 300),
    'species': np.random.choice(['Adelie', 'Chinstrap', 'Gentoo'], 300),
    'island': np.random.choice(['Torgersen', 'Biscoe', 'Dream'], 300)
})

# 基本直方图
plt.figure(figsize=(10, 6))
sns.histplot(data=penguins, x='flipper_length_mm')
plt.title('鳍长分布直方图')
plt.show()

# 添加核密度估计
plt.figure(figsize=(10, 6))
sns.histplot(data=penguins, x='flipper_length_mm', kde=True)
plt.title('带KDE的直方图')
plt.show()

# 分组直方图
plt.figure(figsize=(10, 6))
sns.histplot(data=penguins, x='flipper_length_mm', hue='species')
plt.title('不同物种的鳍长分布')
plt.show()

# 堆叠直方图
plt.figure(figsize=(10, 6))
sns.histplot(data=penguins, x='flipper_length_mm', 
             hue='species', multiple='stack')
plt.title('堆叠直方图')
plt.show()

# 按比例显示
plt.figure(figsize=(10, 6))
sns.histplot(data=penguins, x='flipper_length_mm',
             hue='species', multiple='fill')
plt.title('比例直方图')
plt.show()

核密度估计图​

# 基本KDE图
plt.figure(figsize=(10, 6))
sns.kdeplot(data=penguins, x='flipper_length_mm')
plt.title('核密度估计图')
plt.show()

# 填充KDE
plt.figure(figsize=(10, 6))
sns.kdeplot(data=penguins, x='flipper_length_mm', fill=True)
plt.title('填充KDE图')
plt.show()

# 分组KDE
plt.figure(figsize=(10, 6))
sns.kdeplot(data=penguins, x='flipper_length_mm', 
            hue='species', fill=True, alpha=0.5)
plt.title('不同物种的KDE分布')
plt.show()

# 二维KDE
plt.figure(figsize=(10, 8))
sns.kdeplot(data=tips, x='total_bill', y='tip', fill=True)
plt.title('二维核密度估计')
plt.show()

displot 综合分布图​

# 使用 displot 创建多面板分布图
g = sns.displot(data=penguins, x='flipper_length_mm',
                col='species',      # 按物种分面
                kde=True,           # 添加KDE
                height=4, aspect=1)
g.fig.suptitle('各物种鳍长分布', y=1.02)
plt.show()

分类图​

分类图用于展示分类变量与数值变量之间的关系。

箱线图​

# 基本箱线图
plt.figure(figsize=(10, 6))
sns.boxplot(data=tips, x='time', y='total_bill')
plt.title('不同时段的消费金额分布')
plt.show()

# 分组箱线图
plt.figure(figsize=(10, 6))
sns.boxplot(data=tips, x='time', y='total_bill', hue='sex')
plt.title('不同时段和性别的消费分布')
plt.legend(title='性别')
plt.show()

# 横向箱线图
plt.figure(figsize=(10, 6))
sns.boxplot(data=tips, y='time', x='total_bill', orient='h')
plt.title('横向箱线图')
plt.show()

小提琴图​

小提琴图结合了箱线图和核密度估计：

# 基本小提琴图
plt.figure(figsize=(10, 6))
sns.violinplot(data=tips, x='time', y='total_bill')
plt.title('小提琴图')
plt.show()

# 分组小提琴图
plt.figure(figsize=(10, 6))
sns.violinplot(data=tips, x='time', y='total_bill', 
               hue='sex', split=True)  # split=True 将两组显示在同一侧
plt.title('分组小提琴图')
plt.legend(title='性别')
plt.show()

# 显示内部箱线图
plt.figure(figsize=(10, 6))
sns.violinplot(data=tips, x='time', y='total_bill',
               inner='box')  # 可选: box, quartile, point, stick, None
plt.title('带内部箱线图的小提琴图')
plt.show()

条形图和点图​

# 条形图（显示均值和置信区间）
plt.figure(figsize=(10, 6))
sns.barplot(data=tips, x='time', y='total_bill', hue='sex')
plt.title('平均消费金额（带置信区间）')
plt.legend(title='性别')
plt.show()

# 计数图（显示各类别的计数）
plt.figure(figsize=(10, 6))
sns.countplot(data=tips, x='time', hue='sex')
plt.title('各时段用餐人数')
plt.legend(title='性别')
plt.show()

# 点图（便于比较不同组别）
plt.figure(figsize=(10, 6))
sns.pointplot(data=tips, x='time', y='total_bill', hue='sex',
              markers=['o', 's'], linestyles=['-', '--'])
plt.title('点图比较')
plt.legend(title='性别')
plt.show()

catplot 多面板分类图​

# 使用 catplot 创建多面板图
g = sns.catplot(data=tips, x='sex', y='total_bill',
                col='time',       # 列分面
                row='smoker',     # 行分面
                kind='box',       # 图表类型
                height=4, aspect=1)
g.fig.suptitle('多维度消费分布', y=1.02)
plt.show()

回归图​

回归图用于展示变量之间的线性关系。

基本回归图​

# 散点图+回归线
plt.figure(figsize=(10, 6))
sns.regplot(data=tips, x='total_bill', y='tip')
plt.title('消费金额与小费的回归关系')
plt.show()

# 多项式回归
plt.figure(figsize=(10, 6))
sns.regplot(data=tips, x='total_bill', y='tip',
            order=2)  # 二次多项式
plt.title('二次多项式回归')
plt.show()

# 不显示散点
plt.figure(figsize=(10, 6))
sns.regplot(data=tips, x='total_bill', y='tip',
            scatter=False, ci=95)  # 不显示散点，95%置信区间
plt.title('仅显示回归线')
plt.show()

lmplot 分组回归​

# 分组回归
g = sns.lmplot(data=tips, x='total_bill', y='tip',
               hue='smoker',    # 按吸烟状态分组
               height=6, aspect=1.2)
g.fig.suptitle('不同吸烟习惯的回归分析', y=1.02)
plt.show()

# 多面板回归
g = sns.lmplot(data=tips, x='total_bill', y='tip',
               col='time',      # 列分面
               row='sex',       # 行分面
               height=4, aspect=1)
g.fig.suptitle('多维度回归分析', y=1.02)
plt.show()

矩阵图​

热力图​

# 创建相关系数矩阵
np.random.seed(42)
data = pd.DataFrame({
    'A': np.random.randn(100),
    'B': np.random.randn(100),
    'C': np.random.randn(100),
    'D': np.random.randn(100)
})
data['B'] = data['A'] * 0.8 + np.random.randn(100) * 0.3  # 使A和B相关
data['D'] = data['C'] * 0.7 + np.random.randn(100) * 0.4  # 使C和D相关

corr = data.corr()

# 基本热力图
plt.figure(figsize=(8, 6))
sns.heatmap(corr)
plt.title('相关系数热力图')
plt.show()

# 添加数值标注
plt.figure(figsize=(8, 6))
sns.heatmap(corr, annot=True, cmap='coolwarm', center=0,
            fmt='.2f', square=True)
plt.title('带数值标注的热力图')
plt.show()

# 自定义配色
plt.figure(figsize=(8, 6))
sns.heatmap(corr, annot=True, cmap='RdYlGn', center=0,
            linewidths=0.5, linecolor='white')
plt.title('自定义配色热力图')
plt.show()

聚类图​

# 创建用于聚类的数据
np.random.seed(42)
cluster_data = pd.DataFrame(
    np.random.randn(10, 8),
    columns=[f'Gene_{i}' for i in range(8)],
    index=[f'Sample_{i}' for i in range(10)]
)

# 聚类热力图
g = sns.clustermap(cluster_data, 
                   cmap='coolwarm', 
                   center=0,
                   figsize=(10, 8),
                   dendrogram_ratio=0.2)
plt.suptitle('聚类热力图', y=1.02)
plt.show()

多图组合​

jointplot 联合分布图​

# 基本联合分布图
g = sns.jointplot(data=tips, x='total_bill', y='tip',
                  height=8)
g.fig.suptitle('联合分布图', y=1.02)
plt.show()

# 添加回归线
g = sns.jointplot(data=tips, x='total_bill', y='tip',
                  kind='reg', height=8)
g.fig.suptitle('带回归线的联合分布图', y=1.02)
plt.show()

# 使用KDE
g = sns.jointplot(data=tips, x='total_bill', y='tip',
                  kind='kde', fill=True, height=8)
g.fig.suptitle('KDE联合分布图', y=1.02)
plt.show()

# 六边形图（适合大数据集）
g = sns.jointplot(data=tips, x='total_bill', y='tip',
                  kind='hex', height=8)
g.fig.suptitle('六边形图', y=1.02)
plt.show()

pairplot 成对关系图​

# 选择数值列
numeric_cols = ['total_bill', 'tip']
tips_numeric = tips[numeric_cols + ['sex']]

# 基本pairplot
g = sns.pairplot(tips_numeric, height=3)
g.fig.suptitle('成对关系图', y=1.02)
plt.show()

# 分组pairplot
g = sns.pairplot(tips_numeric, hue='sex', height=3)
g.fig.suptitle('分组成对关系图', y=1.02)
plt.show()

# 自定义对角线和非对角线图表类型
g = sns.pairplot(tips_numeric, hue='sex',
                 diag_kind='kde',    # 对角线使用KDE
                 kind='scatter',     # 非对角线使用散点图
                 height=3)
g.fig.suptitle('自定义pairplot', y=1.02)
plt.show()

样式和美化​

设置主题​

# 设置主题样式
# 可选: white, dark, whitegrid, darkgrid, ticks
sns.set_theme(style='whitegrid')

# 设置调色板
# 内置调色板: deep, muted, pastel, bright, dark, colorblind
# 其他: husl, Set1, Set2, Set3, tab10, coolwarm, RdYlGn
sns.set_palette('husl')

# 设置字体大小
sns.set_context('notebook')  # paper, notebook, talk, poster

# 创建图表
plt.figure(figsize=(10, 6))
sns.scatterplot(data=tips, x='total_bill', y='tip', hue='sex')
plt.title('应用样式后的图表')
plt.show()

自定义颜色​

# 使用调色板
plt.figure(figsize=(10, 6))
sns.scatterplot(data=tips, x='total_bill', y='tip',
                hue='sex', palette='Set1')
plt.title('使用Set1调色板')
plt.show()

# 自定义颜色
custom_palette = {'Male': '#3498db', 'Female': '#e74c3c'}
plt.figure(figsize=(10, 6))
sns.scatterplot(data=tips, x='total_bill', y='tip',
                hue='sex', palette=custom_palette)
plt.title('自定义颜色')
plt.show()

# 使用渐变色
plt.figure(figsize=(10, 6))
sns.scatterplot(data=tips, x='total_bill', y='tip',
                hue='total_bill', palette='coolwarm')
plt.title('渐变色映射')
plt.show()

使用 FacetGrid 自定义​

# 创建 FacetGrid
g = sns.FacetGrid(tips, col='time', row='sex', height=4)

# 映射绘图函数
g.map_dataframe(sns.scatterplot, x='total_bill', y='tip')

# 添加标题和标签
g.set_titles(col_template='{col_name}', row_template='{row_name}')
g.set_axis_labels('消费金额', '小费')
g.add_legend()

plt.suptitle('自定义 FacetGrid', y=1.02)
plt.show()

# 使用不同的绘图类型
g = sns.FacetGrid(tips, col='time', height=5)
g.map_dataframe(sns.histplot, x='total_bill', kde=True)
g.set_axis_labels('消费金额', '计数')
plt.suptitle('分面直方图', y=1.02)
plt.show()

实战示例​

示例：鸢尾花数据集分析​

# 使用 Seaborn 内置数据集
iris = sns.load_dataset('iris')

# 查看数据
print(iris.head())

# 成对关系图
g = sns.pairplot(iris, hue='species', height=2.5)
g.fig.suptitle('鸢尾花特征关系', y=1.02)
plt.show()

# 箱线图比较各特征
iris_melt = iris.melt(id_vars='species', var_name='feature', value_name='value')
plt.figure(figsize=(12, 6))
sns.boxplot(data=iris_melt, x='feature', y='value', hue='species')
plt.title('各特征在不同物种间的分布')
plt.xticks(rotation=15)
plt.legend(title='物种')
plt.show()

# 小提琴图
plt.figure(figsize=(12, 6))
sns.violinplot(data=iris_melt, x='feature', y='value', hue='species',
               split=False, inner='quartile')
plt.title('各特征的小提琴图')
plt.xticks(rotation=15)
plt.show()

示例：多维度数据分析​

# 创建模拟数据
np.random.seed(42)
n = 200
analysis_data = pd.DataFrame({
    'age': np.random.randint(20, 60, n),
    'income': np.random.normal(50000, 15000, n),
    'education': np.random.choice(['High School', 'Bachelor', 'Master', 'PhD'], n),
    'department': np.random.choice(['Sales', 'Engineering', 'Marketing', 'HR'], n),
    'satisfaction': np.random.randint(1, 6, n)
})

# 调整数据使有关联
analysis_data['income'] = analysis_data['income'] + \
    (analysis_data['education'].map({'High School': 0, 'Bachelor': 10000, 
                                     'Master': 20000, 'PhD': 35000}))
analysis_data['income'] = analysis_data['income'] + \
    (analysis_data['age'] - 30) * 500

# 教育程度与收入
plt.figure(figsize=(12, 6))
sns.boxplot(data=analysis_data, x='education', y='income',
            order=['High School', 'Bachelor', 'Master', 'PhD'])
plt.title('不同教育程度的收入分布')
plt.xlabel('教育程度')
plt.ylabel('收入')
plt.show()

# 年龄与收入的关系
plt.figure(figsize=(12, 6))
sns.regplot(data=analysis_data, x='age', y='income',
            scatter_kws={'alpha': 0.5}, line_kws={'color': 'red'})
plt.title('年龄与收入的关系')
plt.show()

# 多维度分析
g = sns.lmplot(data=analysis_data, x='age', y='income',
               col='department', hue='education',
               col_wrap=2, height=4, aspect=1.2,
               scatter_kws={'alpha': 0.5})
g.fig.suptitle('各部门年龄与收入关系（按教育程度分组）', y=1.02)
plt.show()

# 满意度热力图
satisfaction_pivot = analysis_data.pivot_table(
    values='satisfaction', 
    index='education', 
    columns='department',
    aggfunc='mean'
)

plt.figure(figsize=(10, 6))
sns.heatmap(satisfaction_pivot, annot=True, cmap='RdYlGn',
            center=3, fmt='.2f')
plt.title('各部门各教育程度的平均满意度')
plt.show()

小结​

本章我们学习了：

  1. 关系图：scatterplot, lineplot, relplot 展示变量关系
  2. 分布图：histplot, kdeplot, displot 展示数据分布
  3. 分类图：boxplot, violinplot, barplot, catplot 展示分类数据
  4. 回归图：regplot, lmplot 展示回归关系
  5. 矩阵图：heatmap, clustermap 展示矩阵数据
  6. 多图组合：jointplot, pairplot 综合展示
  7. 样式设置：主题、调色板、自定义样式

选择合适的图表类型：

分析目标推荐图表
两个数值变量的关系scatterplot, lineplot
单个变量分布histplot, kdeplot
分类与数值变量关系boxplot, violinplot
多变量关系pairplot, heatmap
趋势分析lineplot, regplot

练习​

  1. 使用 iris 数据集创建各特征的箱线图和小提琴图
  2. 创建一个散点图，展示两个变量的关系，并按第三个变量着色
  3. 使用 heatmap 展示一个相关系数矩阵

参考资源​