詳解seaborn可視化中的kdeplot、rugplot、distplot與jointplot

一、seaborn簡(jiǎn)介

seaborn是Python中基于matplotlib的具有更多可視化功能和更優(yōu)美繪圖風(fēng)格的繪圖模塊，當(dāng)我們想要探索單個(gè)或一對(duì)數(shù)據(jù)分布上的特征時(shí)，可以使用到seaborn中內(nèi)置的若干函數(shù)對(duì)數(shù)據(jù)的分布進(jìn)行多種多樣的可視化。

本文以jupyter notebook為編輯工具，針對(duì)seaborn中的kdeplot、rugplot、distplot和jointplot，對(duì)其參數(shù)設(shè)置和具體用法進(jìn)行詳細(xì)介紹。

二、kdeplot

seaborn中的kdeplot可用于對(duì)單變量和雙變量進(jìn)行核密度估計(jì)并可視化，其主要參數(shù)如下：

• data：一維數(shù)組，單變量時(shí)作為唯一的變量

• data2：格式同data2，單變量時(shí)不輸入，雙變量作為第2個(gè)輸入變量

• shade：bool型變量，用于控制是否對(duì)核密度估計(jì)曲線下的面積進(jìn)行色彩填充，True代表填充

• vertical：bool型變量，在單變量輸入時(shí)有效，用于控制是否顛倒x-y軸位置

• kernel：字符型輸入，用于控制核密度估計(jì)的方法，默認(rèn)為'gau'，即高斯核，特別地在2維變量的情況下僅支持高斯核方法

• legend：bool型變量，用于控制是否在圖像上添加圖例

• cumulative：bool型變量，用于控制是否繪制核密度估計(jì)的累計(jì)分布，默認(rèn)為False

• shade_lowest：bool型變量，用于控制是否為核密度估計(jì)中最低的范圍著色，主要用于在同一個(gè)坐標(biāo)軸中比較多個(gè)不同分布總體，默認(rèn)為True

• cbar：bool型變量，用于控制是否在繪制二維核密度估計(jì)圖時(shí)在圖像右側(cè)邊添加比色卡

• color：字符型變量，用于控制核密度曲線色彩，同plt.plot()中的color參數(shù)，如'r'代表紅色

• cmap：字符型變量，用于控制核密度區(qū)域的遞進(jìn)色彩方案，同plt.plot()中的cmap參數(shù)，如'Blues'代表藍(lán)色系

• n_levels：int型，在而為變量時(shí)有效，用于控制核密度估計(jì)的區(qū)間個(gè)數(shù)，反映在圖像上的閉環(huán)層數(shù)

下面我們來(lái)看幾個(gè)示例來(lái)熟悉kdeplot中上述參數(shù)的實(shí)際使用方法：

首先我們需要準(zhǔn)備數(shù)據(jù)，本文使用seaborn中自帶的鳶尾花數(shù)據(jù)作為示例數(shù)據(jù)，因?yàn)樵趈upyter notebook中運(yùn)行代碼，所以加上魔術(shù)命令%matplotlib inline使得圖像得以在notebook中顯示。

import?seaborn?as?sns
sns.set(color_codes=True)
import?matplotlib.pyplot?as?plt
%matplotlib?inline
#加載seaborn自帶的鳶尾花數(shù)據(jù)集，格式為數(shù)據(jù)框
iris?=?sns.load_dataset('iris')
#分離出setosa類的花對(duì)應(yīng)的屬性值
setosa?=?iris.loc[iris.species?==?"setosa"].reset_index(drop=True)
#分離出virginica類的花對(duì)應(yīng)的屬性值
virginica?=?iris.loc[iris.species?==?"virginica"].reset_index(drop=True)

首先我們不修改其他參數(shù)只傳入數(shù)據(jù)來(lái)觀察繪制出的圖像：

#繪制iris中petal_width參數(shù)的核密度估計(jì)圖
ax?=?sns.kdeplot(iris.petal_width)

加上紅色填充顏色，并禁止圖例顯示：

ax?=?sns.kdeplot(iris.petal_width,shade=True,color='r')

修改為核密度分布：

ax?=?sns.kdeplot(iris.petal_width,
?????????????????shade=True,
?????????????????color='r',
?????????????????cumulative=True)

交換x-y軸位置：

ax?=?sns.kdeplot(iris.petal_width,
?????????????????shade=True,
?????????????????color='r',
?????????????????vertical=True)

下面我們來(lái)繪制雙變量聯(lián)合核密度估計(jì)圖：

#繪制setosa花的petal_width與petal_length的聯(lián)合核密度估計(jì)圖
ax?=?sns.kdeplot(setosa.petal_width,
?????????????????setosa.petal_length)

修改調(diào)色方案為藍(lán)色，并設(shè)置shade_lowest=True：

ax?=?sns.kdeplot(setosa.petal_width,
?????????????????setosa.petal_length,
?????????????????cmap='Blues',
?????????????????shade=True,
?????????????????shade_lowest=True)

在上圖基礎(chǔ)上修改shade_lowest=False：

ax?=?sns.kdeplot(setosa.petal_width,
?????????????????setosa.petal_length,
?????????????????cmap='Blues',
?????????????????shade=True,
?????????????????shade_lowest=False)

可以看到這時(shí)最低密度估計(jì)曲線之外的區(qū)域沒(méi)有被調(diào)色方案所浸染。

將核密度曲線區(qū)間個(gè)數(shù)修改為5：

ax?=?sns.kdeplot(setosa.petal_width,
?????????????????setosa.petal_length,
?????????????????cmap='Blues',
?????????????????shade=True,
?????????????????shade_lowest=False,
?????????????????n_levels=5)

可以看到這時(shí)的核密度區(qū)間要粗略很多。

在同一個(gè)子圖中繪制兩個(gè)不同一維總體的核密度估計(jì)圖，這里為了把它們區(qū)分開(kāi)分別定義了label參數(shù)以顯示在圖例中：

ax1?=?sns.kdeplot(setosa.petal_width,label='setosa.petal_width')
ax2?=?sns.kdeplot(virginica.petal_width,label='virginica.petal_width')

在同一個(gè)子圖中繪制兩個(gè)不同二維總體的核密度估計(jì)圖：

ax1?=?sns.kdeplot(setosa.sepal_width,setosa.sepal_length,
??????????????????cmap='Blues',
??????????????????shade=True,
??????????????????shade_lowest=False)
ax2?=?sns.kdeplot(virginica.sepal_width,virginica.sepal_length,
??????????????????cmap='Greens',
??????????????????shade=True,
??????????????????shade_lowest=False)

三、rugplot

rugplot的功能非常樸素，用于繪制出一維數(shù)組中數(shù)據(jù)點(diǎn)實(shí)際的分布位置情況，即不添加任何數(shù)學(xué)意義上的擬合，單純的將記錄值在坐標(biāo)軸上表現(xiàn)出來(lái)，相對(duì)于kdeplot，其可以展示原始的數(shù)據(jù)離散分布情況，其主要參數(shù)如下：

• a：一維數(shù)組，傳入觀測(cè)值向量

• height：設(shè)置每個(gè)觀測(cè)點(diǎn)對(duì)應(yīng)的小短條的高度，默認(rèn)為0.05

• axis：字符型變量，觀測(cè)值對(duì)應(yīng)小短條所在的軸，默認(rèn)為'x'，即x軸

使用默認(rèn)參數(shù)進(jìn)行繪制：

ax?=?sns.rugplot(iris.petal_length)

調(diào)換所處的坐標(biāo)軸：

ax?=?sns.rugplot(iris.petal_length,axis='y')

修改小短條高度和顏色：

ax?=?sns.rugplot(iris.petal_length,
?????????????????color='r',
?????????????????height=0.2)

四、distplot

seaborn中的distplot主要功能是繪制單變量的直方圖，且還可以在直方圖的基礎(chǔ)上施加kdeplot和rugplot的部分內(nèi)容，是一個(gè)功能非常強(qiáng)大且實(shí)用的函數(shù)，其主要參數(shù)如下：

• a：一維數(shù)組形式，傳入待分析的單個(gè)變量

• bins：int型變量，用于確定直方圖中顯示直方的數(shù)量，默認(rèn)為None，這時(shí)bins的具體個(gè)數(shù)由Freedman-Diaconis準(zhǔn)則來(lái)確定

• hist：bool型變量，控制是否繪制直方圖，默認(rèn)為True

• kde：bool型變量，控制是否繪制核密度估計(jì)曲線，默認(rèn)為True

• rug：bool型變量，控制是否繪制對(duì)應(yīng)rugplot的部分，默認(rèn)為False

• fit：傳入scipy.stats中的分布類型，用于在觀察變量上抽取相關(guān)統(tǒng)計(jì)特征來(lái)強(qiáng)行擬合指定的分布，下文的例子中會(huì)有具體說(shuō)明，默認(rèn)為None，即不進(jìn)行擬合

• hist_kws,kde_kws,rug_kws：這幾個(gè)變量都接受字典形式的輸入，鍵值對(duì)分別對(duì)應(yīng)各自原生函數(shù)中的參數(shù)名稱與參數(shù)值，在下文中會(huì)有示例

• color：用于控制除了fit部分?jǐn)M合出的曲線之外的所有對(duì)象的色彩

• vertical：bool型，控制是否顛倒x-y軸，默認(rèn)為False，即不顛倒

• norm_hist：bool型變量，用于控制直方圖高度代表的意義，為True直方圖高度表示對(duì)應(yīng)的密度，為False時(shí)代表的是對(duì)應(yīng)的直方區(qū)間內(nèi)記錄值個(gè)數(shù)，默認(rèn)為False

• label：控制圖像中的圖例標(biāo)簽顯示內(nèi)容

使用默認(rèn)參數(shù)進(jìn)行繪制：

ax?=?sns.distplot(iris.petal_length)

修改所有對(duì)象的顏色，繪制rugplot部分，并修改bins為20：

ax?=?sns.distplot(iris.petal_length,color='r',
?????????????????rug=True,
?????????????????bins=20)

在上圖的基礎(chǔ)上強(qiáng)行擬合卡方分布并利用參數(shù)字典設(shè)置fit曲線為綠色：

from?scipy.stats?import?chi2????????????????
ax?=?sns.distplot(iris.petal_length,color='r',
?????????????????rug=True,
?????????????????bins=20,
?????????????????fit=chi2,
?????????????????fit_kws={'color':'g'})

修改norm_hist參數(shù)為False使得縱軸顯示的不再是密度而是頻數(shù)（注意這里必須關(guān)閉kde和fit繪圖的部分，否則縱軸依然顯示密度），利用hist_kws傳入字典調(diào)整直方圖部分色彩和透明度，利用rug_kws傳入字典調(diào)整rugplot部分小短條色彩：

ax?=?sns.distplot(iris.petal_length,color='r',
?????????????????rug=True,
?????????????????kde=False,
?????????????????bins=20,
?????????????????fit=None,
?????????????????hist_kws={'alpha':0.6,'color':'orange'},
?????????????????rug_kws={'color':'g'},
?????????????????norm_hist=False)

五、jointplot

之所以按照kdeplot-rugplot-distplot的順序來(lái)介紹是因?yàn)閐istplot中涉及到kdeplot與rugplot中的相關(guān)內(nèi)容，而本文最后要介紹的函數(shù)jointplot中聚合了前面所涉及到的眾多內(nèi)容，用于對(duì)成對(duì)變量的相關(guān)情況、聯(lián)合分布以及各自的分布在一張圖上集中呈現(xiàn)，其主要參數(shù)如下：

• x,y：代表待分析的成對(duì)變量，有兩種模式，第一種模式：在參數(shù)data傳入數(shù)據(jù)框時(shí)，x、y均傳入字符串，指代數(shù)據(jù)框中的變量名；第二種模式：在參數(shù)data為None時(shí)，x、y直接傳入兩個(gè)一維數(shù)組，不依賴數(shù)據(jù)框

• data：與上一段中的說(shuō)明相對(duì)應(yīng)，代表數(shù)據(jù)框，默認(rèn)為None

• kind：字符型變量，用于控制展示成對(duì)變量相關(guān)情況的主圖中的樣式

• color：控制圖像中對(duì)象的色彩

• height：控制圖像為正方形時(shí)的邊長(zhǎng)

• ratio：int型，調(diào)節(jié)聯(lián)合圖與邊緣圖的相對(duì)比例，越大則邊緣圖越矮，默認(rèn)為5

• space：int型，用于控制聯(lián)合圖與邊緣圖的空白大小

• xlim,ylim：設(shè)置x軸與y軸顯示范圍

• joint_kws,marginal_kws,annot_kws：傳入?yún)?shù)字典來(lái)分別精細(xì)化控制每個(gè)組件

在默認(rèn)參數(shù)設(shè)置下繪制成對(duì)變量聯(lián)合圖：

ax?=?sns.jointplot(x='sepal_length',y='sepal_width',data=setosa)

值得一提的是，jointplot還貼心的在圖像上說(shuō)明了成對(duì)變量之間的皮爾遜簡(jiǎn)單相關(guān)系數(shù)以及相關(guān)性檢驗(yàn)的p值結(jié)果。

將kind參數(shù)設(shè)置為'reg'，為聯(lián)合圖添加線性回歸擬合直線與核密度估計(jì)結(jié)果：

ax?=?sns.jointplot(x='sepal_length',y='sepal_width',data=setosa,
??????????????????kind='reg')

修改kind為'hex'來(lái)為聯(lián)合圖生成六邊形核密度估計(jì)：

ax?=?sns.jointplot(x='sepal_length',y='sepal_width',data=setosa,
??????????????????kind='hex')

修改kind為'kde'來(lái)將直方圖和散點(diǎn)圖轉(zhuǎn)換為核密度估計(jì)圖，并將邊際軸的留白大小設(shè)定為0：

ax?=?sns.jointplot(x='sepal_length',y='sepal_width',data=setosa,
???????????????????kind='kde',
???????????????????space=0,
???????????????????color='g')

jointplot還支持圖層疊加，如下面的例子，我們首先繪制出的聯(lián)合圖中kind限制為擬合線性回歸直線，在此基礎(chǔ)上利用.plot_joint方法疊加核密度估計(jì)圖層：

ax?=?(sns.jointplot(x='sepal_length',y='sepal_width',data=setosa,
???????????????????color='g',
???????????????????kind='reg')).plot_joint(sns.kdeplot,?zorder=0,?n_levels=10)

根據(jù)你的具體需要還可以疊加出更加豐富的圖像。

調(diào)大ratio參數(shù)使得邊緣圖更加小巧：

ax?=?sns.jointplot(x='sepal_length',y='sepal_width',data=setosa,
???????????????????kind='kde',
???????????????????space=0,
???????????????????color='g',
???????????????????ratio=15)

利用邊緣圖形參數(shù)字典為邊緣圖形添加rugplot的內(nèi)容，并修改直方個(gè)數(shù)為15：

ax?=?sns.jointplot(x='sepal_length',y='sepal_width',data=setosa,
???????????????????marginal_kws=dict(bins=15,?rug=True),
???????????????????linewidth=1,space=0)

實(shí)際上，如果你足夠了解matplotlib與seaborn，可以通過(guò)各種組合得到信息量更豐富特別的圖像！

以上就是本文的全部?jī)?nèi)容，如有筆誤望指出！

Python大數(shù)據(jù)分析

data creates?value