分析基础分析框架
Source
Edit
History

一眼就get到数据分布情况的图表？

Catalogue
  1. 1. 前言
  2. 2. 散点图
    1. 2.1. 导入模块
    2. 2.2. 散点图 + 分布图
    3. 2.3. 六边形图 / 蜂窝图
    4. 2.4. 密度图 + 散点图
    5. 2.5. 综合散点图
    6. 2.6. 拆分绘制 - 散点图
    7. 2.7. 拆分绘制 - 密度图
    8. 2.8. 矩阵散点图
      1. 2.8.1. 局部变量对比
      2. 2.8.2. 多类显示
    9. 2.9. 拆分绘制 - 散点图2
    10. 2.10. 分类散点图
      1. 2.10.1. 绘制分类散点图
      2. 2.10.2. 二次分类
      3. 2.10.3. 二次拆分
      4. 2.10.4. 二次筛选
    11. 2.11. 分簇散点图
  3. 3. 箱型图
    1. 3.1. 初步绘制
    2. 3.2. 二次分类
  4. 4. 小提琴图
    1. 4.1. 初步绘制
    2. 4.2. 二次分类
    3. 4.3. 混合图表
  5. 5. LV图表
  6. 6. 写在最后

摘要
数据分布可视化图表绘制，包括散点图、蜂窝图、箱型图、小提琴图、LV图表的一些实例～

前言

上篇文章介绍了数据分布情况的可视化的四种图表 (直方图、密度图、柱状图、折线图)的 展示方法，下面将介绍另外几种直观显示数据分布情况的可视化图表

散点图

也称为「点图」、「散布图」或「X-Y 点图」。

所谓的散点图 (Scatterplot) 就是在笛卡尔座标上放置一系列的数据点，用来显示两个变量的数值（每个轴上显示一个变量），并检测两个变量之间的关系或相关性是否存在。

可以很直观的观察到数据的分布情况

导入模块

1
2
3
4
5
6
7
8
9
10
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

# 警告处理

import warnings
warnings.filterwarnings('ignore')

散点图 + 分布图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# 1、综合散点图 - jointplot()

rs = np.random.RandomState(2)
df = pd.DataFrame(rs.randn(200,2),columns = ['a','b'])

sns.jointplot(x = df['a'],y = df['b'],
             data = df,
             color = 'k',
             s = 50,edgecolor = 'w',linewidth = 1,

             # 类型有'reg','resid','kde','hex','scatter'
             kind = 'scatter',
             space = 0.3,
             size = 8,
             ratio = 5,

             # 类型为kde时不能设置marginal_kws
             marginal_kws = dict(bins = 15,rug = True)
             )
<seaborn.axisgrid.JointGrid at 0x5759510>

六边形图 / 蜂窝图

1
2
3
4
5
6
7
8
# 构建数据

df = pd.DataFrame(rs.randn(500,2),columns = ['a','b'])

with sns.axes_style('white'):
    sns.jointplot(x = df['a'],y = df['b'],kind = 'hex',
                 color = 'k',
                 marginal_kws = dict(bins = 20))

密度图 + 散点图

1
2
3
4
5
6
7
8
9
10
# 密度图

rs = np.random.RandomState(15)
df = pd.DataFrame(rs.randn(300,2),columns = ['a','b'])

g = sns.jointplot(x = df['a'],y = df['b'],data = df,
                 kind = 'kde', color = 'k',
                 shade_lowest = False)

g.plot_joint(plt.scatter,c = 'w', s = 30,linewidth = 1,marker = '+')
<seaborn.axisgrid.JointGrid at 0x1431ec90>

综合散点图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# 综合散点图 - JointGrid()
# 可拆分绘制的散点图  plot_joint() / ax_marg_x.hist() / ax_marg_y.hist()

sns.set_style('white')

tips = sns.load_dataset('tips')
print('tips.head()')

g = sns.JointGrid(x = 'total_bill',y = 'tip',data = tips)

g.plot_joint(plt.scatter,color = 'm',edgecolor = 'white')
g.ax_marg_x.hist(tips['total_bill'],color = 'b',alpha = 0.6,
                bins = np.arange(0,60,3))
g.ax_marg_y.hist(tips['tip'],color = 'r',alpha = 0.6,
                 orientation = 'horizontal',bins = np.arange(0,12,1))

from scipy import stats
g.annotate(stats.pearsonr)

plt.grid(linestyle = '--')

拆分绘制 - 散点图

分别绘制散点图和直方图

1
2
3
4
5
6
7
8
9
10
11
# 可拆分绘制的散点图
# plot_joint() / plot_marginals()

# 直方图

g = sns.JointGrid(x = 'total_bill' , y = 'tip' , data = tips)

g = g.plot_joint(plt.scatter,color = 'g',s = 40,edgecolor = 'white')
plt.grid(linestyle = '--')

g.plot_marginals(sns.distplot,kde = True,color = 'g')
<seaborn.axisgrid.JointGrid at 0x154c0690>

拆分绘制 - 密度图

分别绘制密度图和面积图

1
2
3
4
5
6
7
8
9
10
11
# 可拆分绘制的散点图
# plot_joint() / plot_marginals()

# 密度图

g = sns.JointGrid(x = 'total_bill' , y = 'tip' , data = tips)

g = g.plot_joint(sns.kdeplot,cmap = 'Reds_r')
plt.grid(linestyle = '--')

g.plot_marginals(sns.kdeplot,shade = True,color = 'r')
<seaborn.axisgrid.JointGrid at 0x154b13b0>

矩阵散点图

散点图矩阵是组织成网格（矩阵）形式的散点图集合。每个散点图显示一对变量之间的关系。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
# 矩阵散点图 - pairplot()

# 定义风格
sns.set_style('white')

# 引入数据

iris = sns.load_dataset('iris')
print(iris.head())

sns.pairplot(iris,

            # 散点图 / 回归分布图('scatter','reg')
            kind = 'scatter', 

            # 直方图 / 密度图'hist','kde'
            diag_kind = 'hist', 

            # 按照某一字段进行分类
            hue = 'species',

            # 设置调色板
            palette = 'husl',  

            # 设置不同系列的点样式(参考分类个数)
            markers = ['o','s','D'],
            size = 3)
   sepal_length  sepal_width  petal_length  petal_width species
0           5.1          3.5           1.4          0.2  setosa
1           4.9          3.0           1.4          0.2  setosa
2           4.7          3.2           1.3          0.2  setosa
3           4.6          3.1           1.5          0.2  setosa
4           5.0          3.6           1.4          0.2  setosa

<seaborn.axisgrid.PairGrid at 0x15511310>

局部变量对比

1
2
3
4
5
# 只提取局部变量进行对比

sns.pairplot(iris,vars = ['sepal_width','sepal_length'],
            kind = 'reg',diag_kind = 'kde',
            hue = 'species',palette = 'husl',size = 5)
<seaborn.axisgrid.PairGrid at 0x1d94b510>

多类显示

1
2
3
4
5
# 其他参数设置

sns.pairplot(iris , diag_kind = 'kde',markers = '+',
            plot_kws = dict(s = 50,edgecolor = 'b',linewidth = 1),
            diag_kws = dict(shade = True))
<seaborn.axisgrid.PairGrid at 0x14feffb0>

拆分绘制 - 散点图2

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# 可拆分绘制的散点图 - PairGrid()

# map_diag() / map_offdiag()

g = sns.PairGrid(iris,hue = 'species',palette = 'hls',
                vars = ['sepal_length','sepal_width','petal_length','petal_width'],
                size = 3)

# 创建一个绘图表格区域,设置好x,y对应的数据,按照species分类

g.map_diag(plt.hist,
          histtype = 'barstacked',linewidth = 1,edgecolor = 'w')

# 对角线图表,plt.hist / sns.kdeplot
g.map_offdiag(plt.scatter,edgecolor = 'w',s = 40,linewidth = 1)

# 其他图表

g.add_legend()
# 添加图例
<seaborn.axisgrid.PairGrid at 0x21652e90>

分类散点图

绘制分类散点图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# stripplot() - 按照不同类别对样本数据进行分布散点图绘制

sns.set_style('whitegrid')
sns.set_context('paper')

tips = sns.load_dataset('tips')
print(tips.head())

sns.stripplot(x = 'day',

             # 设置分组统计字段
             y = 'total_bill', 

             # 数据分布统计字段
             data = tips,
             jitter = True,   

             # 当点数据重合较多时,用该参数调整,可以设置间距如：jitter = 0.1
             size = 5,edgecolor = 'w',linewidth = 1,marker = 'o')
   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

<matplotlib.axes._subplots.AxesSubplot at 0xc12130>

二次分类

1
2
3
4
# 通过hue参数再分类

sns.stripplot(x = 'sex',y = 'total_bill',hue = 'day',
             data = tips,jitter = True)
<matplotlib.axes._subplots.AxesSubplot at 0xf54fed0>

二次拆分

1
2
3
4
5
6
7
8
9
10
11
# 二次拆分

sns.stripplot(x = 'sex',y = 'total_bill',hue = 'day',
             data = tips,jitter = True,

             # 设置调色盘
             palette = 'Set2', 

             # 是否拆分
             dodge = True
             )
<matplotlib.axes._subplots.AxesSubplot at 0xf5524d0>

二次筛选

1
2
3
4
5
6
7
# 筛选分类类别

print(tips['day'].value_counts())

sns.stripplot(x = 'total_bill',y = 'day',data = tips,jitter = True,
             order = ['Sat','Sun'])
# order → 筛选类别
Sat     87
Sun     76
Thur    62
Fri     19
Name: day, dtype: int64

<matplotlib.axes._subplots.AxesSubplot at 0xb840b0>

分簇散点图

1
2
3
4
5
# swarmplot() - 分簇散点图

sns.swarmplot(x = 'day',y = 'total_bill',data = tips,
             size = 5,edgecolor = 'w',linewidth = 1,marker = 'o',
             palette = 'Reds')
<matplotlib.axes._subplots.AxesSubplot at 0xa53c70>

箱型图

boxplot ：又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名

初步绘制

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
# 定义风格

sns.set_style('whitegrid')
sns.set_context('paper')

# 引入数据

tips = sns.load_dataset('tips')

sns.boxplot(x = 'day',y = 'total_bill',data = tips,
           linewidth = 2,
           width = 0.5,

           # 异常点大小
           fliersize = 3, 

           # 调色板
           palette = 'hls',

           # 设置IQR
           whis = 1.5, 

           # 是否以中值做凹槽
           notch = False,
           order = ['Thur','Fri','Sat','Sun'])

# sns.swarmplot(x = 'day',y = 'total_bill',data = tips,color = 'k',size = 3,alpha = 0.7)
1
<matplotlib.axes._subplots.AxesSubplot at 0x614e2b0>

二次分类

1
2
3
4
5
# 二次分类

sns.boxplot(x = 'day',y = 'total_bill',data = tips,hue = 'sex',palette = 'Reds')

# sns.swarmplot(x = 'day',y = 'total_bill',data = tips,color = 'k',size = 3,alpha = 0.7)
1
<matplotlib.axes._subplots.AxesSubplot at 0x62316f0>

小提琴图

小提琴图其实是箱线图与核密度图的结合，通过小提琴图能更容易看出哪些位置的密度较高，即数据分布的区域

初步绘制

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
# 小提琴图 - violinplot()

sns.violinplot(x = 'day',y = 'total_bill',data = tips,

              # 线宽
              linewidth = 2, 

              # 箱之间的间隔比例
              width = 0.8, 

              # 调色盘
              palette = 'hls', 
              order = ['Thur','Fri','Sat','Sun'],

              # 小提琴图的宽度：area-面积相同,count-样本数量决定宽度,width-宽度一样
              scale = 'area',

              # 设置小提琴图边线的平滑度,值越大越平滑
              gridsize = 50,

              # 设置内部显示类型：'box' 'quartile' 'point' 'stick' None
              inner = 'box',              
              # bw = 0.8
              )
1
<matplotlib.axes._subplots.AxesSubplot at 0x10c7eab0>

二次分类

1
2
3
4
5
6
7
8
# 二次分类

sns.violinplot(x = 'day',y = 'total_bill',data = tips,
              hue = 'smoker',palette = 'muted',

              # 设置是否拆分小提琴图
              split = True, 
              inner = 'box')
1
<matplotlib.axes._subplots.AxesSubplot at 0x110572d0>

混合图表

小提琴图结合散点图

1
2
3
4
5
# 小提琴图 - 结合散点图

sns.violinplot(x = 'day',y = 'total_bill',data = tips,palette = 'hls',inner = None)
sns.swarmplot(x = 'day',y = 'total_bill',data = tips,color = 'w',alpha = 0.5)
# 插入散点图
1
<matplotlib.axes._subplots.AxesSubplot at 0x11224ed0>

LV图表

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
# lvplot() - lv图表

plt.figure(figsize = (15,7))
sns.lvplot(x = 'day',y = 'total_bill',data = tips,palette = 'mako',
          width = 0.8,
          hue = 'smoker',
          linewidth = 12,

          # 设置框的大小 → 'linear','exonential','area'
          scale = 'area',

          # 设置框的数量 → 'proportion','tukey','trustworthy'
          k_depth = 'proportion',
          )

sns.swarmplot(x = 'day',y = 'total_bill',data = tips,color = 'k',size = 6,alpha = 0.8)
1
<matplotlib.axes._subplots.AxesSubplot at 0x11263f30>

写在最后

这两篇博文列举了对数据分布情况的基础可视化图表，当然只是很基础的图表展示，记录下来以便随时翻阅，查漏补缺，还是那句话，任何图表可视化重点是数据结构与其逻辑，真正理解了数据才能更好的选择图表去展示，感谢阅读～

本文版权归作者所有，欢迎转载，转载请注明出处和链接来源。