Для демонстрации инстументов визуализации используем набор данных о чаевых.
import seaborn as sns import numpy as np import matplotlib.pyplot as plt %matplotlib inline %config InlineBackend.figure_format = 'svg'
tips = sns.load_dataset('tips') tips.head()
| total_bill | tip | sex | smoker | day | time | size | |
|---|---|---|---|---|---|---|---|
| 0 | 16.99 | 1.01 | Female | No | Sun | Dinner | 2 |
| 1 | 10.34 | 1.66 | Male | No | Sun | Dinner | 3 |
| 2 | 21.01 | 3.50 | Male | No | Sun | Dinner | 3 |
| 3 | 23.68 | 3.31 | Male | No | Sun | Dinner | 2 |
| 4 | 24.59 | 3.61 | Female | No | Sun | Dinner | 4 |
Seaborn — это более высокоуровневое API на базе библиотеки matplotlib. Seaborn содержит более адекватные дефолтные настройки оформления графиков. Если просто добавить в код import seaborn, то картинки станут гораздо симпатичнее. Также в библиотеке есть достаточно сложные типы визуализации, которые в matplotlib потребовали бы большого количество кода.
Для визуализации распределения метрических переменных используются следующие типы графиков:
Можно таже визуализировать относительные распределения между парами переменных при помощи методов:
distplot одновременно показывает гистограмму и график плотности распределения.
sns.distplot(tips['total_bill']);
Можно оставить только гистограмму:
sns.distplot(tips['total_bill'], kde=False, bins=30);
Функция jointplot() показывает совместное распределение по двум переменным. Она имеет параметр kind который может принимать следующие значения:
sns.jointplot(x='total_bill', y='tip', data=tips, kind='scatter');
sns.jointplot(x='total_bill',y='tip',data=tips,kind='hex');
sns.jointplot(x='total_bill', y='tip', data=tips, kind='reg');
pairplot показывает отношения между всеми парами переменных.
sns.pairplot(tips);
sns.pairplot(tips, hue='sex', palette='Set1');
По сути pairplot — это упрощённая версия другой функции, которая называется PairGrid.
sns.PairGrid(tips);
g = sns.PairGrid(tips) g.map(plt.scatter);
g = sns.PairGrid(tips) g.map_diag(plt.hist) g.map_upper(plt.scatter) g.map_lower(sns.kdeplot);
Плотность распределения по двум переменным даёт нам градиент. Градиент — вектор, своим направлением указывающий направление наибольшего возрастания некоторой величины , значение которой меняется от одной точки пространства к другой (скалярного поля), а по величине (модулю) равный скорости роста этой величины в этом направлении.
sns.kdeplot(tips['total_bill'], tips['tip']);
Facet Grid позволяет визуализировать совместное распределение отдельных признаков нескольких переменных.
g = sns.FacetGrid(tips, col="time", row="smoker");
g = sns.FacetGrid(tips, col="time", row="smoker") g = g.map(plt.hist, "total_bill");
g = sns.FacetGrid(tips, col="time", row="smoker", hue='sex') g = g.map(plt.scatter, "total_bill", "tip").add_legend();
rugplot показывает то же, что и график плотности распределения, только в одномерной форме. Чем плотнее расположены линии, тем выше плотность. Лучше использовать его совместно с другими видами графиков.
sns.kdeplot(tips['tip']) sns.rugplot(tips['tip']);
В seaborn встроены функции для визуализации категориальных данных в следующих форматах:
В качестве тестового набора данных возьмём данные о чаевых, которые поставляются вместе с seaborn:
Первый тип визуализации — это barplot. У нас есть категориальная переменная и её цифровое значение. Барплот аггрегирует данные по значениям категориальной переменной и применяет определённую функцию к значениям соответсвующих групп цифровой переменной. По умолчанию эта функция — среднее.
sns.barplot(x='sex', y='total_bill', data=tips);
Эту функцию можно изменить в аргументе estimator:
sns.barplot(x='sex', y='total_bill', data=tips, estimator=len) sns.countplot(x='sex', data=tips);
Здесь мы считаем стандартное отклоенение.
То же самое, что и барплот, только функция уже явно задана, и она считает количество значений в каждой категории.
sns.countplot(x='sex', data=tips);
Промежуточное задание 1. Постройте при помощи barplot точно также график, как с помощью countplot.
Эти два графика используются для изучения формы распределения.
Другое название boxplot — ящик с усами или диаграмма размаха. Он был разработан Джоном Тьюки в 1970-х годах.
Такой вид диаграммы в удобной форме показывает медиану (или, если нужно, среднее), нижний и верхний квартили, минимальное и максимальное значение выборки и выбросы. Несколько таких ящиков можно нарисовать бок о бок, чтобы визуально сравнивать одно распределение с другим; их можно располагать как горизонтально, так и вертикально. Расстояния между различными частями ящика позволяют определить степень разброса (дисперсии) и асимметрии данных и выявить выбросы.
sns.boxplot(x="day", y="total_bill", data=tips, palette='rainbow');
sns.boxplot(data=tips, palette='rainbow', orient='h');
Можно ввести в график третье измерение:
sns.boxplot( x="day", y="total_bill", hue="smoker", data=tips, palette="coolwarm");
Выполняет ту же функцию, что и boxplot. По сути это два повёрнутые на 90 и -90 градусов графика плотности распределения, слипшиеся друг с другом.
sns.violinplot(x="day", y="total_bill", data=tips, palette='rainbow');
sns.violinplot(x="day", y="total_bill", data=tips, hue='sex', palette='Set1');
sns.violinplot( x="day", y="total_bill", data=tips, hue='sex', split=True, palette='Set1');
stripplot рисует диаграмму рассеяния, состоящую из одной категориальной переменной. Его можно использовать как самостоятельную фигуру, но лучше сочетать с другими графиками.
sns.stripplot(x="day", y="total_bill", data=tips);
sns.stripplot(x="day", y="total_bill", data=tips, jitter=True);
sns.stripplot( x="day", y="total_bill", data=tips, jitter=True, hue='sex', palette='Set1');
sns.stripplot( x="day", y="total_bill", data=tips, jitter=True, hue='sex', palette='Set1', dodge=True); # раньше назывался split
Swarmplot представляет собой ровно то же самое, с той лишь разницей, что точки не накладываются друг на друга.
sns.swarmplot( x="day", y="total_bill", hue='sex', data=tips, palette="Set1", dodge=True);
Как говорилась ранее, эти типы графиков можно комбинировать с другими. Лучше всего это делать с violinplot.
sns.violinplot(x="tip", y="day", data=tips, palette='rainbow') sns.swarmplot(x="tip", y="day", data=tips, color='black', size=3);
Из документации: The default plot that is shown is a point plot, but other seaborn
categorical plots can be chosen with the kind parameter, including
box plots, violin plots, bar plots, or strip plots.
sns.catplot(x='sex', y='total_bill', data=tips, kind='bar');
tips.corr()
| total_bill | tip | size | |
|---|---|---|---|
| total_bill | 1.000000 | 0.675734 | 0.598315 |
| tip | 0.675734 | 1.000000 | 0.489299 |
| size | 0.598315 | 0.489299 | 1.000000 |
sns.heatmap(tips.corr());
sns.heatmap(tips.corr(),cmap='coolwarm',annot=True);
Загрузим данные о полётах:
flights = sns.load_dataset('flights');
flights.head()
| year | month | passengers | |
|---|---|---|---|
| 0 | 1949 | January | 112 |
| 1 | 1949 | February | 118 |
| 2 | 1949 | March | 132 |
| 3 | 1949 | April | 129 |
| 4 | 1949 | May | 121 |
Посчитаем таблицу сопряжённости, которая покажет, какое количество пассажиров летало в различные месяцы в каждый из годов в промежутке от 1949 по 1960.
flights.pivot_table(values='passengers', index='month', columns='year')
| year | 1949 | 1950 | 1951 | 1952 | 1953 | 1954 | 1955 | 1956 | 1957 | 1958 | 1959 | 1960 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| month | ||||||||||||
| January | 112 | 115 | 145 | 171 | 196 | 204 | 242 | 284 | 315 | 340 | 360 | 417 |
| February | 118 | 126 | 150 | 180 | 196 | 188 | 233 | 277 | 301 | 318 | 342 | 391 |
| March | 132 | 141 | 178 | 193 | 236 | 235 | 267 | 317 | 356 | 362 | 406 | 419 |
| April | 129 | 135 | 163 | 181 | 235 | 227 | 269 | 313 | 348 | 348 | 396 | 461 |
| May | 121 | 125 | 172 | 183 | 229 | 234 | 270 | 318 | 355 | 363 | 420 | 472 |
| June | 135 | 149 | 178 | 218 | 243 | 264 | 315 | 374 | 422 | 435 | 472 | 535 |
| July | 148 | 170 | 199 | 230 | 264 | 302 | 364 | 413 | 465 | 491 | 548 | 622 |
| August | 148 | 170 | 199 | 242 | 272 | 293 | 347 | 405 | 467 | 505 | 559 | 606 |
| September | 136 | 158 | 184 | 209 | 237 | 259 | 312 | 355 | 404 | 404 | 463 | 508 |
| October | 119 | 133 | 162 | 191 | 211 | 229 | 274 | 306 | 347 | 359 | 407 | 461 |
| November | 104 | 114 | 146 | 172 | 180 | 203 | 237 | 271 | 305 | 310 | 362 | 390 |
| December | 118 | 140 | 166 | 194 | 201 | 229 | 278 | 306 | 336 | 337 | 405 | 432 |
pvflights = flights.pivot_table( values='passengers', index='month', columns='year') sns.heatmap(pvflights);
sns.heatmap(pvflights,cmap='magma',linecolor='white',linewidths=1);
Использует алгоритмы иерархической кластеризации для создания визуализации. Можно задавать различные методы кластеризации. Документация.
sns.clustermap(pvflights);
sns.countplot(x='sex', data=tips);
sns.set_style('whitegrid') # Другие значения: darkgrid, whitegrid, dark, white, ticks sns.countplot(x='sex', data=tips);
sns.set_style("ticks", {"xtick.major.size": 18, "ytick.major.size": 18}) sns.countplot(x='sex', data=tips);
Все переметры стиля можно посмотреть следующим образом:
sns.axes_style()
Если необходимо применить стиль только к одному графику, для этого следует использовать менеджер контекста with
with sns.axes_style("dark"): sns.countplot(x='sex', data=tips);
Можно удалить линии осей при помощи метода despine
sns.countplot(x='sex',data=tips) sns.despine(left=True)
Размеры задаются так же, как и в обычном matplotlib.
plt.figure(figsize=(12, 3)) sns.countplot(x='sex', data=tips);
sns.lmplot(x='total_bill', y='tip', size=4, aspect=2, data=tips);
fig, ax = plt.subplots() sns.regplot("tip", "total_bill", data=tips, ax=ax) ax.set_title("Заголовок") plt.xlabel('Чаевые') fig.savefig("filename.png", dpi=200)
Комментарии