机器学习8——Seaborn

• 访问作者github： https://github.com/NefelibataBIGR/Machine_Learning_Notes ，获取笔记代码
• 具体笔记代码见 Python>seaborn 文件中的 ==seaborn.ipynb== 文件

一、基本介绍

• 与Matplotlib类似的画图库，能很好地与pandas交互
• 常用于EDA（探索性数据分析）
• import seaborn as sns
  

二、自带数据库

• 查看自带数据库：
  • sns.get_dataset_names()
• 加载xxx数据库：
  • sns.load_dataset(‘xxx’)

三、查看变量分布

• 主要看：
  • 数据取值范围，是否有异常值？
  • 是否近似正态分布？是否有偏移？是否双峰分布？
  • 如果依据类别划分，各子集上数据分布是否有很大差异？

1. 箱线图

• 查看取值范围，异常值
  API：
• sns.boxplot(data= , x=”xxx”)
  • 参数：
    • data=：数据集
    • x=：画的特征列的名称

或者：

• sns.catplot(data= , x=”xxx”, kind=’box’)
  • 参数：
    • data=：数据集
    • x=：画的特征列的名称

在y轴方向绘制箱线图：x= 改成 y=，不指定x或y则画所有特征列的箱线图

2. 直方图

• 查看分布
  API：
• sns.displot(data= , x=”xxx” , bins= , hue= , shrink= )
  • 参数：
    • data=：数据集
    • x=：画的特征列的名称（可以数值特征，可以类别特征）
    • bins=：组数（调整组数来获取分布特征）
    • hue=：类别特征列的名称，对类别特征进行划分分析
    • shrink=：柱子大小比例

或者：

• sns.countplot(data= , x=”xxx” , hue= )

3. KDE曲线

• 对数据的直方图分布进行拟合
• 可用于比较训练集和测试集分布是否一致
  API：
• sns.kdeplot(data= , x=”xxx”)
  • 参数：
    • 参数：
    • data=：数据集
    • x=：画的特征列的名称

或者：

• sns.displot(data= , x=”xxx”, kind=”kde”)
  • 参数：
    • data=：数据集
    • x=：画的特征列的名称（可以数值特征，可以类别特征）
    • hue=：类别特征分析，每一类分别画kde曲线

可以用 rug=True 来添加 rugplot
叠加到直方图上：sns.displot(…… , kde=True)
其他进阶绘图见代码文件！

4. ECDF曲线

• 经验累积分布函数（ECDF）
• 表示给定数据集中小于或等于给定值的观测值的累积百分比
  API：
• sns.displot(data= , x=”xxx”, kind=’ecdf’)

四、数值变量关系分析

1. 散点图

API：

• sns.relplot(data= , x= , y= )
  • 参数：
    • data=：数据集
    • x=：横轴
    • y=：纵轴
    • hue=：类别颜色标注（可以=数值型特征）
    • style=：改变图形
    • markers=：改变标注图形

2. 折线图

API：

• sns.relplot(data= , x= , y= , kind=”line”)

3. 回归拟合

• 画拟合直线：
  API：

  • sns.lmplot(data= , x=”xxx”, y=”yyy”)
    或者：
  • sns.regplot(data= , x=”xxx”, y=”yyy”)

• 画残差：

  • sns.residplot(data= , x=”xxx”, y=”yyy”)

4. 联合分布

• sns.displot(data= , x=’xxx’ , y=’yyy’)
  • kde曲线形式：加上参数kind=’kde’
  • 其他参数见代码文件

5. 联合分布+各自分布

（1）成对变量

• sns.jointplot(data= ,x=”xxx”,y=”yyy”)
• 升级版：JointGrid
  • g=sns.JointGrid(data= , x=”xxx”, y=”yyy”)
  • g.plot_joint(sns.111plot , ……)
  • g.plot_marginals(sns.222plot , ……)
    • 111plot：中间联合分布的图像形状
    • 222plot：边缘各自分布的图像形状

（2）所有变量

• sns.pairplot(data= )
  • 参数：
    • data=：数据集
    • x_vars=[ ]：行展示的特征
    • y_vars=[ ]：列展示的特征
• 升级版：PairGrid
  • g=sns.PairGrid(data= , x_vars=[ ], y_vars=[ ]
  • g.map_upper(sns.111plot)
    • 上三角的图像形状
  • g.map_diag(sns.222plot , kde=True)
    • 对角线的图像形状
  • g.map_lower(sns.333plot)
    • 下三角的图像形状

6. 相关系数

• 热力图

1. 求相关系数：xxx_cor=xxx_df.corr()
2. 画热力图：sns.heatmap(xxx_cor, cmap=”coolwarm”)
   • 其他参数见代码文件

五、类别变量分析

1. 类别变量分布

• sns.catplot(data= , x=”xxx”, kind=”count”)

2. 类别变量与数值变量的关系

• 不同类别中数值变量的均值/中值估计：

  • 均值：sns.catplot(data= , x=”xxx”, y=”yyy”, kind=”bar”)
  • 中位数：sns.catplot(data= , x=”xxx”, y=”yyy”, kind=”bar”, estimator=np.median)
  • 点图：
    • sns.catplot(data= , x=”xxx”, y=”yyy”, kind=”point”)

• 不同类别中数值变量的取值范围：

  • 箱线图：sns.catplot(data= , x=”xxx”, y=”yyy”, kind=”box”)
  • 更能展示异常值：sns.catplot(data= , x=”xxx”, y=”yyy”, kind=”boxen”)

• 不同类别中数值变量的分布：

  • 带状图：sns.catplot(data= , x=”xxx”, y=”yyy”, kind=”strip”)
    • 设置jitter=0，带状绘制成直线，0~1越大越稀疏
  • 分簇散点图：sns.catplot(data= , x=”xxx”, y=”yyy”, kind=”swarm”)
  • 小提琴图：sns.catplot(data= , x=”xxx”, y=”yyy”, kind=”violin”)

六、自定义绘图函数

1. FacetGrid

• 依据特征的不同类别划分子集，每个子集分析
• g=sns.FacetGrid(data= , row=”rrr”, col=”ccc”)
  • 注意rrr与ccc都是类别特征
• g.map(sns.111plot , “xxx”)
  • xxx为x轴特征
    • 可以数值特征
    • 可以两个（”xxx” , “yyy”）：画联合分布，xxx为x轴特征，yyy为y轴特征

2. PairGrid

• 全部数据集上所有数值变量成对分析
• g = sns.PairGrid(data= )
  • 注意：只对数值型特征绘图，可以设定hue来加入类别
• g.map(sns.111plot)
  • 对角线：g.map_diag()
  • 非对角线：g.map_offdiag()
  • 上三角区域：g.map_upper()
  • 下三角区域：g.map_lower()