Python seaborn matplotlib 对数据进行图表分析

matplotlib官网

基于matplotlib的seaborn官网

import seaborn as sns
import matplotlib.pyplot as plt

import seaborn as sns
sns.set_style("whitegrid")
# 设置主题，可选项有darkgrid , whitegrid , dark , white ,和 ticks
sns.set(style="dark", palette="muted", color_codes=True)
# 通过参数设置主题

一、plt.hist

g = sns.FacetGrid(train_data, col='Survived')
# col,row,hue参数用于定义绘制数据的子集。由于survived有两个参数，会有两个图
g.map(plt.hist, 'Age', bins=20)
# hist直方图， ‘Age’为横坐标， bins绘制的直方数量
plt.show() #左图为在Survived=0的子集内，Age和数量的分布图。

grid = sns.FacetGrid(train_data, hue='Survived')
# hue参数的把两个直方图画在同一张图上，其中有size参数决定高度，aspect长宽比，width=size*aspect
grid.map(plt.hist, 'Age', alpha=0.5, bins=20)
grid.add_legend()
# 将hue标签显示在图上
plt.show()

二、pointplot

显示数据的均值和偏差

grid = sns.FacetGrid(train_data, row='Embarked', size=2.2, aspect=1.6)
grid.map(sns.pointplot, 'Pclass', 'Survived', 'Sex', palette='deep')
# map函数将grid的子集应用于pointplot函数，其后面参数是pointplot的参数，分别为横坐标，纵坐标，hue。palette是调色板折线的颜色。
grid.add_legend()
plt.show()

sns.pointplot(x="Pclass", y="Survived", hue="Sex", data=data_train,palette={"male": "blue", "female": "pink"},markers=["*", "o"], linestyles=["-", "--"]);

三、barplot

显示数据的均值和偏差

grid = sns.FacetGrid(train_data, col='Embarked', hue='Survived', palette={0: 'k', 1: 'w'})
grid.map(sns.barplot, 'Sex', 'Fare', alpha=.5)
#ci=sd表示用竖线显示标准偏差，=None不显示
grid.add_legend()
plt.show()

四、pairplot：

查看数据相关性。

_ = sns.pairplot(df[:50], vars=[8, 11, 12, 14, 19], hue="class", size=1.5)
# vars需绘制的列名，hue使用的是二分类的标记
# diag_kind="kde"能将对角线图换成kde

图中可以看出特征11和特征14几乎将分类目标class的分布线分了。而特质12和特征19负相关，特征14与特征19强相关，注意对有些模型（朴素贝叶斯分类器假设特征独立）会有影响。

五、corrplot：

主要用于分析特征的两两相关。

sns.pairplot(iris)

对角线为特征，左下角为相关性热点图，有上角为相关系数。

六、heatmap

主要用于分析特征的两两相关。

colormap = plt.cm.viridis
plt.figure(figsize=(12,12))
plt.title('Pearson Correlation of Features', y=1.05, size=15)
sns.heatmap(train.astype(float).corr(),linewidths=0.1,vmax=1.0, square=True, cmap=colormap, linecolor='white', annot=True)
# linewidths，linecolor划分线的宽度和颜色，annot是否在方格里注释数据，vmin, vmax相关度最大值和最小值，此处限制1.0最大，可见图中图谱最大为1.0

七、jointplot,scatter

查看数据分布和离群点

sns.jointplot(x="SepalLengthCm", y="SepalWidthCm", data=iris, size=5)

为了看到分类目标，使用:

sns.FacetGrid(iris, hue="Species", size=5) \
.map(plt.scatter, "SepalLengthCm", "SepalWidthCm") \
.add_legend()

八、boxplot

分析单一特征。

sns.boxplot(x="Species", y="PetalLengthCm", data=iris)

ax = sns.boxplot(x="Species", y="PetalLengthCm", data=iris)
ax = sns.stripplot(x="Species", y="PetalLengthCm", data=iris, jitter=True, edgecolor="gray")
# jitter不让点分布在一条垂直线上

九、violinplot

类似于boxplot，分析单一变量。

sns.violinplot(x="Species", y="PetalLengthCm", data=iris, size=6)

十、kdeplot

分析单一变量。

sns.FacetGrid(iris, hue="Species", size=6) \
.map(sns.kdeplot, "PetalLengthCm") \
.add_legend()

十一、pandas画图

# Andrews Curves involve using attributes of samples as coefficients for Fourier series
# and then plotting these
from pandas.tools.plotting import andrews_curves
andrews_curves(iris.drop("Id", axis=1), "Species")

# 将特征作为横坐标，绘制每个样例取值
from pandas.tools.plotting import parallel_coordinates
parallel_coordinates(iris.drop("Id", axis=1), "Species")

将特征作为一个点绘制，通过相对权值将样例绘制成点。
from pandas.tools.plotting import radviz
radviz(iris.drop("Id", axis=1), "Species")

十二、WordCloud云图

用于分析文本中word出现的频率，越高，显示越大。

clean_mask=np.array(Image.open("../input/imagesforkernal/safe-zone.png"))
clean_mask=clean_mask[:,:,1]
#wordcloud for clean comments
subset=train[train.clean==True]
text=subset.comment_text.values
wc= WordCloud(background_color="black",max_words=2000,mask=clean_mask,stopwords=stopword)
wc.generate(" ".join(text))
plt.figure(figsize=(20,10))
plt.axis("off")
plt.title("Words frequented in Clean Comments", fontsize=20)
plt.imshow(wc.recolor(colormap= 'viridis' , random_state=17), alpha=0.98)
plt.show()