python可視化進階---seaborn1.4 分布資料可視化 - 散點圖 jointplot() / pairplot()

一、分布資料可視化 - 散點圖

jointplot() / pairplot()

加載子產品

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import scipy.stats as sci      

1、綜合散點圖 - jointplot()

1.1散點圖 + 分布圖

示例1：

#建立資料
rs = np.random.RandomState(2)
df = pd.DataFrame(rs.randn(200,2), columns = ['A','B'])
 
sns.jointplot(x=df['A'], y=df['B'], #設定xy軸，顯示columns名稱
              data = df,  #設定資料
              color = 'b', #設定顔色
              s = 50, edgecolor = 'w', linewidth = 1,#設定散點大小、邊緣顔色及寬度(隻針對scatter)
              stat_func=sci.pearsonr,
              kind = 'scatter',#設定類型：'scatter','reg','resid','kde','hex'
              #stat_func=<function pearsonr>,
              space = 0.1, #設定散點圖和布局圖的間距
              size = 8, #圖表大小(自動調整為正方形))
              ratio = 5, #散點圖與布局圖高度比，整型
              marginal_kws = dict(bins=15, rug =True), #設定柱狀圖箱數，是否設定rug
              )      

圖1.散點分布圖

注意：如果不顯示r值(pearsonr),可以在參數中添加stat_func=sci.pearsonr,有就不用添加了

示例2：六邊形圖

sns.jointplot(x=df['A'], y=df['B'], #設定xy軸，顯示columns名稱
              data = df,  #設定資料
              color = 'b', #設定顔色
              #s = 50, edgecolor = 'w', linewidth = 1,#設定散點大小、邊緣顔色及寬度(隻針對scatter)
              stat_func=sci.pearsonr,
              kind = 'hex',#設定類型：'scatter','reg','resid','kde','hex'
              space = 0.1, #設定散點圖和布局圖的間距
              size = 8, #圖表大小(自動調整為正方形))
              ratio = 5, #散點圖與布局圖高度比，整型
             # marginal_kws = dict(bins=15, rug =True) #設定柱狀圖箱數，是否設定rug
              )      

六邊形圖也可以叫做蜂巢圖

示例3：六邊形圖

#建立資料
df = pd.DataFrame(rs.randn(500,2), columns = ['A', 'B'])
with sns.axes_style('white'):
    sns.jointplot(x=df['A'], y=df['B'], data = df, kind = 'hex',
                  color = 'k',stat_func=sci.pearsonr,
                  marginal_kws = dict(bins = 20))      

示例4： 密度圖

#建立資料
rs = np.random.RandomState(15)
df = pd.DataFrame(rs.randn(300,2), columns = ['A', 'B'])
#建立密度圖
g = sns.jointplot(x = df['A'], y = df['B'], data = df,
                  kind = 'kde', color = 'k', stat_func= sci.pearsonr,
                  shade_lowest = False)
#添加散點圖
g.plot_joint(plt.scatter, c = 'w', s = 30, linewidth = 1, marker='+')      

1.2可拆分繪制的散點圖

#plot_joint() + ax_marg_x.hist() + ax_marg_y.hist()

示例1：拆分圖

#設定風格
sns.set_style('white')
#導入資料
tips = sns.load_dataset('tips')
print(tips.head())
 
#建立一個繪圖表格區域，設定好x,y對應資料
g = sns.JointGrid(x = 'total_bill', y = 'tip', data = tips)
 
g.plot_joint(plt.scatter, color = 'm', edgecolor = 'white') #設定框内圖表，scatter
g.ax_marg_x.hist(tips['total_bill'], color='b', alpha = .6,
                 bins = np.arange(0,60,3))                  #設定x軸為直方圖，注意bins是數組
g.ax_marg_y.hist(tips['tip'], color = 'r', alpha = .6,
                 orientation = 'horizontal',
                 bins = np.arange(0,12,1)) #設定x軸直方圖，注意需要orientation參數
from scipy import stats
g.annotate(stats.pearsonr)
#設定标注，可以為pearsonar， spearmanr
plt.grid(linestyle = '--')      

示例2：兩個條形圖在一個函數裡進行設定

#建立一個繪圖表格區域，設定好x,y對應資料
g = sns.JointGrid(x = 'total_bill', y = 'tip', data = tips)
g = g.plot_joint(plt.scatter, color = 'g', s = 40, edgecolor = 'white') #繪制散點圖
plt.grid(linestyle = '--')
g.plot_marginals(sns.distplot, kde = True, color = 'g')   #繪制x，y直方圖      

示例3：kde - 密度圖

#建立一個繪圖表格區域，設定好x,y對應資料
g = sns.JointGrid(x = 'total_bill', y = 'tip', data = tips)
g = g.plot_joint(sns.kdeplot, cmap = 'Reds_r')     #繪制密度圖
plt.grid(linestyle = '--')
g.plot_marginals(sns.kdeplot, shade = True, color = 'r') #繪制x,y軸密度圖      

2.矩陣散點圖 - pairplot()

示例1：普通矩陣圖示意

#設定風格
sns.set_style('white')
#讀取資料
iris = sns.load_dataset('iris')
print(iris.head())
sns.pairplot(iris,
             kind = 'scatter', #散點圖/回歸分布圖{'scatter', 'reg'})
             diag_kind = 'hist', #直方圖/密度圖{'hist'， 'kde'}
             hue = 'species',   #按照某一字段進行分類
             palette = 'husl',  #設定調色闆
             markers = ['o', 's', 'D'], #設定不同系列的點樣式（這裡根據參考分類個數）
             size = 2  #圖示大小
             )      

示例2：隻提取局部變量進行對比

g = sns.pairplot(iris, vars = ['sepal_width', 'sepal_length'],
             kind = 'reg', diag_kind = 'kde',
             hue = 'species', palette = 'husl')      

示例3：其它參數設定

#其它參數設定
sns.pairplot(iris, diag_kind = 'kde', markers = '+',
             plot_kws = dict(s = 50, edgecolor = 'b', linewidth = 1),
             #設定點樣式
             diag_kws = dict(shade = True)
             )#設定密度圖樣式      

示例4：可拆分繪制的散點圖

# map_diag() + map_offdiag()
g = sns.PairGrid(iris, hue= 'species', palette = 'hls',
                 vars = ['sepal_length', 'sepal_width', 'petal_length', 'petal_width'])
                #可篩選建立一個繪圖表格區域，設定好x，y對應的資料，按照species分類
 
#對角線圖表，plt.hist/sns.kdeplot
g.map_diag(plt.hist,
           histtype = 'step', #可選：'bar','barstacked', 'step', 'stepfilled'
           linewidth = 1, edgecolor = 'w')
 
#其它圖表：plt.scatter/plt.bar...
g.map_offdiag(plt.scatter, edgecolor = 'w', s = 40, linewidth = 1)
#設定點顔色、大小、描邊寬度
g.add_legend() #添加圖例()      

示例5：上三角和下三角#map_diag() + map_lower() + map_upper()

g = sns.PairGrid(iris)
g.map_diag(sns.kdeplot, lw=3) #設定對角線圖表
g.map_upper(plt.scatter, color = 'r')  #設定對角線上端圖表
g.map_lower(sns.kdeplot, cmap='Blues_d') #設定對角線下端圖表