当前位置：首页 > news >正文

机器学习 Day07seaborn库绘图学习

news 来源：原创 2025/5/18 1:48:09

1.单变量绘制（直方图，核密度曲线图）

使用 `distplot` 函数绘制带核密度估计曲线的直方图

import seaborn as sns
ax = sns.distplot(arr, bins=10, hist=True, kde=True, rug=True)

seaborn 是基于 matplotlib 的数据可视化库，import seaborn as sns 将其导入。sns.distplot 用于绘制数据分布。

arr 是前面生成的包含 100 个随机数的数组，作为要观察的数据。
bins=10 表示将数据分组，绘制 10 个条形的直方图。
hist=True 表示绘制直方图，这是默认开启的。
kde=True 表示绘制高斯核密度估计曲线，用来估计数据的概率密度分布。
rug=True 表示在 x 轴上绘制 rugplot，也就是用小细条表示每个数据点的位置。
总而言之就是每个参数控制每个部分的显示

绘制纯核密度估计曲线

# 创建包含500个位于[0, 100]之间整数的随机数组
array_random = np.random.randint(0, 100, 500)
# 绘制核密度估计曲线
sns.distplot(array_random, hist=False, rug=True)

np.random.randint(0, 100, 500) 生成一个包含 500 个介于 0（包括）到 100（不包括）之间随机整数的数组。然后调用 sns.distplot，hist=False 表示不绘制直方图，只绘制核密度估计曲线；rug=True 同样是在 x 轴上绘制表示数据点位置的小细条。

2.双变量分布（主要是kind控制类型散点图，直方图，核密度估计图）

函数：seaborn.jointplot 函数的常用参数如下：

x、y：指定用于绘制双变量图的两个变量，通常是数据集中列的名称。
data：数据来源，可以是 pandas 的 DataFrame 等数据结构，提供 x 和 y 变量对应的数据。
kind：表示绘制图形的类型，如 'scatter'（散点图，默认值）、'hex'（二维直方图，六边形分箱）、'kde'（核密度估计图）等。
stat_func：用于计算有关关系的统计量并标注图，比如计算相关系数等统计值并标注在图上，默认 None 。
color：设置绘图元素的颜色。
size：用于设置图的大小（正方形），控制整体图形的视觉尺寸。
ratio：表示中心图与侧边图的比例，该参数值越大，中心图占比越大。中心图就是那个正方形的图。
space：用于设置中心图与侧边图的间隔大小。
dropna：接收布尔类型，默认 True，表示是否删除含有缺失值的行。

案例：

导入库

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

这里导入了三个常用库。numpy 用于数值计算，pandas 用于数据处理和分析，seaborn 用于数据可视化。
2. 创建 DataFrame 对象

dataframe_obj = pd.DataFrame({"x": np.random.randn(500), "y": np.random.randn(500)})

使用 pandas 的 DataFrame 函数创建了一个数据框。其中，键 "x" 和 "y" 分别对应两列数据，值是通过 np.random.randn(500) 生成的 500 个服从标准正态分布的随机数，也就是为散点图准备了横、纵坐标的数据。
3. 绘制散点图

sns.jointplot(x="x", y="y", data=dataframe_obj)

调用 seaborn 的 jointplot 函数绘制双变量图形。

x="x" 和 y="y" 表示使用数据框 dataframe_obj 中的 "x" 列作为横坐标数据，"y" 列作为纵坐标数据。
data=dataframe_obj 指定了数据来源是前面创建的数据框。
jointplot 函数默认 kind='scatter' ，所以绘制出的是散点图，同时在图形的上方和右方还分别展示了 x 变量和 y 变量的单变量分布（直方图形式）。

这个是核密度曲线kde

这个是默认的散点图scatter

这个是直方图hex

3.皮尔逊热力图的画法 .

在 seaborn 库中绘制相关系数热力图主要通过 heatmap 函数实现，以下是具体步骤和代码示例：

1. 导入必要的库

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

这里导入 numpy 用于数值计算，pandas 用于数据处理（如创建和操作数据框），seaborn 用于绘图，matplotlib.pyplot 用于显示图形。

2. 准备数据

假设已有一个包含多列数值数据的数据框 df ，例如：

# 生成示例数据
data = {
    'col1': np.random.randn(100),
    'col2': np.random.randn(100),
    'col3': np.random.randn(100)
}
df = pd.DataFrame(data)

3. 计算相关系数矩阵

使用 pandas 的 corr 方法计算数据框各列之间的相关系数：

corr_matrix = df.corr()

corr_matrix 是一个方阵，行列索引均为数据框的列名，矩阵元素表示对应两列数据的相关系数，取值范围在 -1 到 1 之间，1 表示完全正相关，-1 表示完全负相关，0 表示不相关。

4. 绘制热力图

plt.figure(figsize=(10, 8))  # 设置图形大小
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', linewidths=0.5)
plt.title('Correlation Heatmap')  # 添加标题
plt.show()

plt.figure(figsize=(10, 8)) ：设置图形的宽度为 10 单位，高度为 8 单位，调整图形整体视觉尺寸。
sns.heatmap ：seaborn 的热力图绘制函数。
- corr_matrix ：传入前面计算得到的相关系数矩阵作为绘图数据。
- annot=True ：在热力图的每个方格中显示具体的相关系数数值，方便查看。
- cmap='coolwarm' ：指定颜色映射，'coolwarm' 是一种双色渐变的颜色方案，能较好区分正负相关，蓝色系表示负相关，红色系表示正相关。也可选用其他颜色映射，如 'viridis' 等。
- linewidths=0.5 ：在每个方格之间添加宽度为 0.5 的分隔线，使图形更清晰易读。
plt.title('Correlation Heatmap') ：为图形添加标题。
plt.show() ：显示绘制好的热力图。

完整代码示例如下：用的时候改数据即可

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

# 生成示例数据
data = {
    'col1': np.random.randn(100),
    'col2': np.random.randn(100),
    'col3': np.random.randn(100)
}
df = pd.DataFrame(data)

# 计算相关系数矩阵
corr_matrix = df.corr()

# 绘制热力图
plt.figure(figsize=(10, 8))
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', linewidths=0.5)
plt.title('Correlation Heatmap')
plt.show()

通过上述步骤，就能在 seaborn 库中绘制出展示数据相关系数的热力图，直观呈现变量间的相关关系。

4.成对双变量分布

很简单我们直接看案例

加载数据集

dataset = sns.load_dataset("iris")

seaborn 提供了一些内置数据集方便示例和练习，load_dataset 函数用于加载这些数据集。这里加载的 "iris" 数据集，也叫鸢尾花数据集，是机器学习领域常用的分类数据集，包含花萼长度（sepal_length）、花萼宽度（sepal_width）、花瓣长度（petal_length）、花瓣宽度（petal_width） 4 个特征变量以及花朵所属类别（species）变量。
2. 绘制成对双变量分布

sns.pairplot(dataset)

pairplot 函数用于绘制成对的双变量分布。它会创建一个坐标轴矩阵：

矩阵的非对角线元素展示的是不同变量两两之间的关系，默认以散点图形式呈现，能直观看到变量间的相关性和分布趋势。
矩阵的对角线元素展示的是单个变量的分布情况，默认以直方图形式呈现，可了解单个变量的分布特征。
如下图

以上这些都是用于连续数值类型的数据的，接下来我们看分类数据有什么图

5分类数据绘图

5.1类别散点图（通常显示每个类里数值的分布，所以类为横坐标，数值型变量为纵坐标）

`stripplot` 函数主要参数

x、y用于指定绘制长格式数据的输入变量。x 通常对应横坐标变量（一般为类别型变量），y 对应纵坐标变量（一般为数值型变量），因为要绘制类别上数据的分布。比如在 sns.stripplot(x="day", y="total_bill", data=tips) 中，"day" 是星期几，属于类别型变量，放在横坐标；"total_bill" 是消费总金额，为数值型变量，放在纵坐标。
hue用于指定一个分类变量，根据该变量的不同类别对数据点进行分组并以不同颜色显示。例如，若数据集中有性别变量，指定 hue="sex"，那么不同性别的数据点会以不同颜色呈现，便于区分不同组的数据分布情况。
data提供绘图所需的数据集。可以是 pandas 的 DataFrame 结构。如果 x 和 y 不存在于该数据集中，函数会将其视为宽格式数据；若存在，则视为长格式数据。
order用于指定 x 变量中类别变量的顺序。比如，若 x 变量有 ["Mon", "Tue", "Wed"] 三个类别，默认可能按字母顺序展示，通过 order=["Mon", "Tue", "Wed"] 可指定按此顺序展示横坐标类别。
hue_order与 order 类似，不过是针对 hue 变量指定类别顺序。当 hue 变量有多个类别时，可通过它确定颜色分组的展示顺序。
jitter表示抖动程度，仅沿类别轴（通常是 x 轴）起作用。当很多数据点在类别轴上重叠时，设置 jitter=True 会自动添加一定程度的随机抖动，将重叠的数据点分散开，便于观察每个数据点的分布情况；也可设置具体数值来指定抖动量。

`swarmplot` 函数主要参数

x、y功能与 stripplot 中一致，x 用于指定类别型变量作为横坐标，y 用于指定数值型变量作为纵坐标。例如 sns.swarmplot(x="day", y="total_bill", data=tips) 里，通过 x 和 y 确定横纵坐标展示的数据。
hue同样是根据指定的分类变量对数据点进行分组并以不同颜色显示，帮助区分不同组数据分布。
data提供绘图的数据集，要求是 pandas 的 DataFrame 形式，从中获取 x、y、hue 等变量对应的数据。
order 和 hue_order分别用于指定 x 变量和 hue 变量中类别变量的顺序，作用与在 stripplot 函数中相同。

总体而言，stripplot 和 swarmplot 都用于绘制类别散点图展示数据分布，stripplot 可通过设置 jitter 处理数据点重叠问题，swarmplot 则通过算法自动避免数据点重叠，更清晰展示数据分布。后者完全不重叠

案例：这个就是完全重叠了，因为没有设置jitter参数

这个是设置的

另一个函数

hue的设定

5.2类内的数据分布（通常显示每个类里数值的分布，所以类为横坐标，数值型变量为纵坐标）

5.2.1绘制箱线图

这是箱线图的构造

以下是实现

`boxplot` 函数参数

x、y：指定绘制箱形图的数据输入，x 常为类别型变量，确定箱形图分组；y 为数值型变量，是要展示分布的数据。如 sns.boxplot(x="day", y="total_bill", data=tips) 中，"day" 划分不同组，"total_bill" 是每组要分析分布的数据。
hue：用于指定一个分类变量，根据该变量不同类别对箱形图进行颜色区分，便于对比不同子组数据。
data：提供绘图数据的 pandas 的 DataFrame 。函数从其中获取 x、y、hue 对应数据。
orient：设置箱形图方向，取值为 'h'（水平）或 'v'（垂直），默认根据数据自动判断。
color：设置箱形图整体颜色。
saturation：设置颜色饱和度，以小数表示，控制颜色鲜艳程度。
palette：用于设置不同级别色相的颜色变量，可传入颜色列表等，指定不同分组的颜色。

5.2.2小提琴图

`violinplot` 函数参数

x、y：功能与 boxplot 中类似，x 通常是类别型变量用于分组，y 是数值型变量展示分布。如 sns.violinplot(x="day", y="total_bill", data=tips) 。
hue：根据指定分类变量对小提琴图分组并以不同颜色显示，方便对比不同子组数据分布。
data：提供绘图数据的 pandas 的 DataFrame ，从中提取 x、y、hue 相关数据。