这是 Python 数据可视化系列的第三节《Seaborn 上》。
Python 数据可视化
- Matplotlib 上
- Matplotlib 下
之前 Python 数据分析和基础系列的所有课程链接如下。
Python 数据分析
- NumPy 上
- NumPy 下
- Pandas 上
- Pandas 下
- SciPy 上
- SciPy 下
- Pandas 时间序列
- Pandas 高频数据采样
- 默顿模型计量经济资本
- LSMC 定价美式和百慕大期权
- 负油价和负利率模型
- Nelson-Siegel 构建债券收益率曲线
- 外汇交易组合保证金制定系统
- FR007 利率掉期定价和曲线拔靴
- 量化投资 - 向量化回测
Python 基础
- 编程概览
- 元素型数据
- 容器型数据
- 流程控制：条件-循环-异常处理
- 函数上：低阶函数
- 函数下：高阶函数
- 类和对象：封装-继承-多态-组合
- 字符串专场：格式化和正则化
- 解析表达式：简约也简单
- 生成器和迭代器：简约不简单
- 装饰器：高端不简单
Seaborn 是基于 matplotlib 开发而用于统计可视化的高阶工具包。它可无缝相接的在 Pandas 的 DataFrame 上直接画图，而且代码量不多，函数签名也很一致。Seaborn 可视化的内容很多，我将其分为三个部分来讲解。
1. Seaborn 101
- 场景设定
- 风格设定
- 色调设定
- 图级轴级
- Seaborn 数据集
2. 单图
- 关系图
- 分布图
- 分类图
- 回归图
- 矩阵图
3. 组合图
- 多图网格
- 配对网格
- 联合网格
本节关注第一部分 (该部分细节巨多，学完本节可以提高任意画图的能力)。
Seaborn 把“美图”用其主题 (theme) 功能体现：
set_theme( context='notebook',
style='darkgrid',
palette='deep' )
Seaborn 在画图时考量三大要素：场景 (context)，风格 (style) 和色调 (palette)，下面三小节详细说明，当设定场景、风格和色调时，Seaborn 中有特定函数 set_context(), set_style() 和 set_palette()。
- 设定场景：set_theme(context=context) 等价于 set_context(context)
- 设定风格：set_theme(style=style) 等价于 set_style(style)
- 设定色调：set_theme(palette=palette) 等价于 set_palette(palette)
场景
代码语言：javascript复制for context in ['paper','notebook','talk','poster']:
sns.set_context(context)
sns.histplot(df['Close'])
plt.show()
风格
代码语言：javascript复制for style in ['darkgrid','whitegrid','dark','white','ticks']:
sns.set_style(style)
sns.histplot(df['Close'])
plt.show();
色调
Seaborn 提供了非常多的调色板：
从上面高亮的关键词可看出，调色板大致分为以下三类：
- 定性调色板 (qualitative palettes)，适合用来表示分类型 (离散型) 数据
- 有序调色板 (sequential palettes)，适合用来表示数值型 (连续型) 数据
- 发散调色板 (diverging palettes)，适合用来表示带分类边界的数值型 (连续型) 数据
Seaborn 还提供了几个交互式小部件 (palette widgets)
定性调色板：适用于无序数据
有序调色板：适用于有序，而且只有一端有重要值的数据
发散调色板：适用于两端都有重要值的数据
图级函数 & 轴级函数
Seaborn 中的绘图函数可分为两类：
- 坐标轴级别 (axes-level)：将数据绘制到单个 matplotlib.pyplot.Axes 对象上，该对象是函数的返回值。
- 图形级别 (figure-level)：用 FacetGrid 管理图形的 Seaborn 对象与 matplotlib 接口，每个模块都有单个“图级”功能，并为各个“轴级”功能提供统一接口。
图级函数最有用的功能就是可以轻松创建多个子图 (subplots)，举例如下：
代码语言：javascript复制sns.displot(data=penguins, x="flipper_length_mm", hue="species", col="species");
轴级函数内部调用 matplotlib.pyplot.gca() 以便在“当前轴” (currently-active axes) 上绘图，但在画图时还需要设置额外的参数 ax。
代码语言：javascript复制f, axs = plt.subplots(1, 2, figsize=(8, 4), gridspec_kw=dict(width_ratios=[4, 3]))
sns.scatterplot(data=penguins, x="flipper_length_mm", y="bill_length_mm", hue="species", ax=axs[0])
sns.histplot(data=penguins, x="species", hue="species", shrink=.8, alpha=.8, legend=False, ax=axs[1])
f.tight_layout()
