[第 19 天] 資料視覺化（2）Seaborn

2017 iT 邦幫忙鐵人賽

DAY 19

Big Data

R 語言使用者的 Python 學習筆記系列第 19 篇

2017鐵人賽 big data python r seaborn

tonykuoyj

2016-12-19 14:46:10

60513 瀏覽

使用 matplotlib 建立一個圖表的概念是組裝它提供的基礎元件，像是圖表類型、圖例或者標籤等元件。 Seaborn 套件是以 matplotlib 為基礎建構的高階繪圖套件，讓使用者更加輕鬆地建立圖表，我們可以將它視為是 matplotlib 的補強，如果你對 matplotlib 套件有點陌生，我推薦你閱讀 [第 18 天] 資料視覺化 matplotlib。

Seaborn is a library for making attractive and informative statistical graphics in Python. It is built on top of matplotlib and tightly integrated with the PyData stack, including support for numpy and pandas data structures and statistical routines from scipy and statsmodels.
Seaborn: statistical data visualization

我們今天試著使用看看 Seaborn 套件並且也使用 R 語言的 ggplot2 套件來畫一些基本的圖形，包括：

直方圖（Histogram）
散佈圖（Scatter plot）
線圖（Line plot）
長條圖（Bar plot）
盒鬚圖（Box plot）

Seaborn 套件在我們的開發環境沒有安裝，但我們可以透過 conda 指令在終端機安裝。

$ conda install -c anaconda seaborn=0.7.1

我們的開發環境是 Jupyter Notebook，這個指令可以讓圖形不會在新視窗呈現。

%matplotlib inline

直方圖（Histogram）

Python

使用 seaborn 套件的 distplot() 方法。

%matplotlib inline

import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt

normal_samples = np.random.normal(size = 100000) # 生成 100000 組標準常態分配（平均值為 0，標準差為 1 的常態分配）隨機變數
sns.distplot(normal_samples)

day1901

預設會附上 **kernel density estimate（KDE）**曲線。

R 語言

使用 ggplot2 套件的 geom_histogram() 函數指定為直方圖。

library(ggplot2)

normal_samples <- rnorm(100000) # 生成 100000 組標準常態分配（平均值為 0，標準差為 1 的常態分配）隨機變數
normal_samples_df <- data.frame(normal_samples)
ggplot(normal_samples_df, aes(x = normal_samples)) + geom_histogram(aes(y = ..density..)) + geom_density()

day1902

散佈圖（Scatter plot）

Python

使用 seaborn 套件的 joinplot() 方法。

%matplotlib inline

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt

speed = [4, 4, 7, 7, 8, 9, 10, 10, 10, 11, 11, 12, 12, 12, 12, 13, 13, 13, 13, 14, 14, 14, 14, 15, 15, 15, 16, 16, 17, 17, 17, 18, 18, 18, 18, 19, 19, 19, 20, 20, 20, 20, 20, 22, 23, 24, 24, 24, 24, 25]
dist = [2, 10, 4, 22, 16, 10, 18, 26, 34, 17, 28, 14, 20, 24, 28, 26, 34, 34, 46, 26, 36, 60, 80, 20, 26, 54, 32, 40, 32, 40, 50, 42, 56, 76, 84, 36, 46, 68, 32, 48, 52, 56, 64, 66, 54, 70, 92, 93, 120, 85]

cars_df = pd.DataFrame(
    {"speed": speed,
     "dist": dist
    }
)

sns.jointplot(x = "speed", y = "dist", data = cars_df)

day1903

預設會附上 X 軸變數與 Y 軸變數的直方圖。

R 語言

使用 ggplot2 套件的 geom_point() 函數指定為散佈圖，再使用 ggExtra 套件的 ggMarginal() 函數加上 X 軸變數與 Y 軸變數的直方圖。

library(ggplot2)
library(ggExtra)

scatter_plot <- ggplot(cars, aes(x = speed, y = dist)) + geom_point()
ggMarginal(scatter_plot, type = "histogram")

day1904

線圖（Line plot）

Python

使用 seaborn 套件的 factorplot() 方法。

%matplotlib inline

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt

speed = [4, 4, 7, 7, 8, 9, 10, 10, 10, 11, 11, 12, 12, 12, 12, 13, 13, 13, 13, 14, 14, 14, 14, 15, 15, 15, 16, 16, 17, 17, 17, 18, 18, 18, 18, 19, 19, 19, 20, 20, 20, 20, 20, 22, 23, 24, 24, 24, 24, 25]
dist = [2, 10, 4, 22, 16, 10, 18, 26, 34, 17, 28, 14, 20, 24, 28, 26, 34, 34, 46, 26, 36, 60, 80, 20, 26, 54, 32, 40, 32, 40, 50, 42, 56, 76, 84, 36, 46, 68, 32, 48, 52, 56, 64, 66, 54, 70, 92, 93, 120, 85]

cars_df = pd.DataFrame(
    {"speed": speed,
     "dist": dist
    }
)

sns.factorplot(data = cars_df, x="speed", y="dist", ci = None)

day1905

R 語言

使用 ggplot2 套件的 geom_line() 函數指定為線圖。

library(ggplot2)

ggplot(cars, aes(x = speed, y = dist)) + geom_line()

day1906

長條圖（Bar plot）

Python

使用 seaborn 套件的 countplot() 方法。

%matplotlib inline

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt

cyl = [6 ,6 ,4 ,6 ,8 ,6 ,8 ,4 ,4 ,6 ,6 ,8 ,8 ,8 ,8 ,8 ,8 ,4 ,4 ,4 ,4 ,8 ,8 ,8 ,8 ,4 ,4 ,4 ,8 ,6 ,8 ,4]
cyl_df = pd.DataFrame({"cyl": cyl})

sns.countplot(x = "cyl", data=cyl_df)

day1907

R 語言

使用 ggplot2 套件的 geom_bar() 函數指定為長條圖。

library(ggplot2)

ggplot(mtcars, aes(x = cyl)) + geom_bar()

day1908

盒鬚圖（Box plot）

Python

使用 seaborn 套件的 boxplot() 方法。

%matplotlib inline

import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt

normal_samples = np.random.normal(size = 100000) # 生成 100000 組標準常態分配（平均值為 0，標準差為 1 的常態分配）隨機變數
sns.boxplot(normal_samples)

day1909

R 語言

使用 ggplot2 套件的 geom_boxplot() 函數指定為盒鬚圖。

library(ggplot2)

normal_samples <- rnorm(100000) # 生成 100000 組標準常態分配（平均值為 0，標準差為 1 的常態分配）隨機變數
normal_samples_df <- data.frame(normal_samples)
ggplot(normal_samples_df, aes(y = normal_samples, x = 1)) + geom_boxplot() + coord_flip()

day1910