前言

今天延續上一篇說明繪圖的工具，其中 Seaborn 有很多很強大的功能，也同時有更多的美化效果。

此篇文是由 Joyce 所撰寫

實作連結

• colab - Seaborn

Seaborn

• Seaborn也是Python很重要的繪圖軟件
• 在上一篇我們有介紹到Matplotlib是NumPy的圖形化介面，而Seaborn則是NumPy與Pandas的圖形化介面
• Seaborn可用更簡潔的寫法達到與Matplotlib同樣的效果
• 大體上，可以將它視為Matplotlib的進階版，可以更加快速，且更加美觀的繪製出圖形
• 接下來，會分成兩部分介紹
  1. 圖形美化
  2. 繪製圖形

環境準備

如果想用自己的電腦來跑的話需要安裝 Package

# For anoconda (recommend)
$ conda install seaborn

# For pip
$ pip install seaborn

引入函數

要使用Seaborn函數，需要先引入seaborn，習慣上會用sns作為縮寫。

import seaborn as sns # 引入Seaborn

圖形美化

背景

Seaborn有預設好圖形的背景顏色，有五種設定值，可以使用set_style( )進行更改，或是在set()裡更改style的參數。

1. white：白色
2. whitegrid：白色網格
3. dark：灰色
4. darkgrid：灰色網格
5. ticks：刻度

實作

import numpy as np # 引入NumPy
import seaborn as sns # 引入Seaborn
import matplotlib.pyplot as plt # 引入matplotlib的函數

x = np.arange(1,11) # x軸的值
y = [3,1,8,5,4,2,4,6,3,7]  # y軸的值

plt.title("change background") # 圖的標題
plt.xlabel("x axis") # x軸的名稱
plt.ylabel("y axis") # y軸的名稱
sns.set(style = "whitegrid") # 白色網格背景
plt.bar(x, y) # 繪製長條圖
plt.show() # 顯現圖形 

移除邊框

在繪圖上，為了美感，有時不想要四周圍的邊框，在Matplotlib中是無法移除的，但Seaborn解決了這個困擾，利用despine()這個函數，預設上方跟右方的邊框會消失。

• top=True
• right=True
• left=False
• bottom=False

實作

import numpy as np # 引入NumPy
import seaborn as sns # 引入Seaborn
import matplotlib.pyplot as plt # 引入matplotlib的函數

x = np.arange(1,11) # x軸的值
y = [3,1,8,5,4,2,4,6,3,7]  # y軸的值

plt.title("despine practice") # 圖的標題
plt.xlabel("x axis") # x軸的名稱
plt.ylabel("y axis") # y軸的名稱

sns.set(style = "white") # 白色網格背景
sns.despine(top = True, right = True) # 移除上方跟右方的框線 
plt.bar(x, y) # 繪製長條圖
plt.show() # 顯現圖形 

線的粗細

Seaborn也預設好四種線的粗細，可以進行修改，預設的話是notebook，根據上到下的順序，線由細到粗。與style相同，有兩種方式可以使用，第一種set_context( )，第二種是在set()裡更改context的參數。

• paper
• notebook(預設)
• talk
• poster

實作

import numpy as np # 引入NumPy
import seaborn as sns # 引入Seaborn
import matplotlib.pyplot as plt # 引入matplotlib的函數

x = np.arange(-180, 180)
y = np.sin(x * np.pi / 180.0)

plt.title("context practice") # 圖的標題
plt.xlabel("x axis") # x軸的名稱
plt.ylabel("y axis") # y軸的名稱
sns.set(context = "talk") # 改變線條的粗細
plt.plot(x, y) # 繪製x,y軸的圖
plt.show() # 顯現圖形

顏色設定

Seaborn提供的作法是調色盤的方式，可以想像成先把顏色調好，要用的時候，在將顏色圖上去。利用color_palette()這個函數，可以設定我們想要的調色盤。

seaborn.color_palette(palette=None, n_colors=None, desat=None)

• palette : 調色盤
• n_colors : n個顏色
• deset : 飽和度，值界在0到1之間

基本盤

預設的顏色有十種，可以透過六種預設的主題進行修改。

• deep
• muted
• pastel
• bright
• dark
• colorblind

實作

current_palette = sns.color_palette() # 預設的調色盤
sns.palplot(current_palette) # 顯示調色盤

bright_palette = sns.color_palette("bright") # 改變主題
sns.palplot(bright_palette )# 顯示調色盤

漸層盤

在繪製等高線圖的時候，會利用顏色的深淺來表示高度，Seaborn也有提供漸層的調色盤。

漸層盤提供相當多的參數可進行選擇，如果直接使用顏色來表示的話，注意第一個字母要大寫，結尾要加上s，例如:"Blues"

實作

blue_palette = sns.color_palette("Blues") # 藍色的調色盤，由淺到深
sns.palplot(blue_palette) # 顯示調色盤

blue_r_palette = sns.color_palette("Blues_r") # 藍色的調色盤，由深到淺
sns.palplot(blue_r_palette) # 顯示調色盤

OrRd_palette = sns.color_palette("OrRd") # 橘色混紅色的調色盤
sns.palplot(OrRd_palette) # 顯示調色盤

hls盤

利用h(色相)、l(亮度)、s(飽和度)三個的值可以調配出更多的顏色。

• h : 色相，值界在0到1之間
• l : 亮度，值界在0到1之間
• s : 飽和度，值界在0到1之間

實作

hls_default_palette = sns.hls_palette() # hls預設的調色盤
sns.palplot(hls_default_palette) # 顯示調色盤

hls_palette = sns.hls_palette(h = 0.5, l = 0.4, s = 0.6) # 改變hls的預設值
sns.palplot(hls_palette) # 顯示調色盤

正試塗色

沿用上一章圓餅圖的例子

自己塗色

import numpy as np # 引入NumPy
import matplotlib.pyplot as plt # 引入matplotlib的函數

category = ["clothing", "book", "meal", "snacks"] # 總類名稱
expand = [2000, 1500, 3000, 800]  # 圓餅圖的值
color = ["red", "yellow", "green", "blue"] # 設定顏色

plt.title("pie chart") # 圖的標題
plt.pie(expand, labels = category, colors = color) # 繪製圓餅圖
plt.show() # 顯現圖形 

Seaborn調色盤

import numpy as np # 引入NumPy
import seaborn as sns # 引入Seaborn
import matplotlib.pyplot as plt # 引入matplotlib的函數

category = ["clothing", "book", "meal", "snacks"] # 總類名稱
expand = [2000, 1500, 3000, 800]  # 圓餅圖的值

plt.title("pie chart") # 圖的標題
hls_default_palette = sns.hls_palette()
plt.pie(expand, labels = category, colors = hls_default_palette) # 繪製圓餅圖
plt.show() # 顯現圖形 

繪製圖形

在Seaborn裡，提供了幾種圖形，讓資料可透過圖形的呈現令人一目了然。首先，先在檔案中，放入再來要分析的csv檔。
data 連結

資料形式

長條圖

在Matplotliib裡也有提供長條圖的畫法，但Seaborn提供的功能更多，像是它可以使用DataFrame的資料進行分析，也可以顯示平均值、中位數的位置之類的。

實作

顯示平均值

import pandas as pd # 引入Pandas
import seaborn as sns # 引入Seaborn
import matplotlib.pyplot as plt # 引入matplotlib的函數

df = pd.read_csv("tips.csv")  # 讀入檔案

plt.title("barplot practice") # 圖的標題
sns.barplot(x="day", y="total_bill", data = df) # 繪製長條圖
plt.show() # 顯現圖形 

顯示中位數

import pandas as pd # 引入Pandas
import seaborn as sns # 引入Seaborn
import matplotlib.pyplot as plt # 引入matplotlib的函數
from numpy import median # 引入median函數

df = pd.read_csv("tips.csv")  # 讀入檔案

plt.title("barplot practice2") # 圖的標題
sns.barplot(x="day", y="total_bill", data = df, estimator=median) # 繪製長條圖
plt.show() # 顯現圖形 

計數圖

因為英文是countplot，所以名稱叫計數圖，其實就是直方圖的意思。

實作

import pandas as pd # 引入Pandas
import seaborn as sns # 引入Seaborn
import matplotlib.pyplot as plt # 引入matplotlib的函數

df = pd.read_csv("tips.csv")  # 讀入檔案

plt.title("countplot practice") # 圖的標題
sns.countplot(x="size", hue = "sex", data = df) # 繪製計數圖
plt.show() # 顯現圖形 

盒狀圖

盒狀圖即是四分位圖，用來顯示資料的分散程度。

實作

import pandas as pd # 引入Pandas
import seaborn as sns # 引入Seaborn
import matplotlib.pyplot as plt # 引入matplotlib的函數

df = pd.read_csv("tips.csv")  # 讀入檔案

plt.title("boxplot practice") # 圖的標題
sns.boxplot(x="day",y="total_bill",hue="sex",data=df) # 繪製盒狀圖
plt.show() # 顯現圖形 

密度圖

此圖就是折線圖的概念，但不會像折線圖那樣有明顯的折點，此圖的區間分布是連續的，因此線段看起來是平滑的。

實作

import pandas as pd # 引入Pandas
import seaborn as sns # 引入Seaborn
import matplotlib.pyplot as plt # 引入matplotlib的函數

df = pd.read_csv("tips.csv")  # 讀入檔案

plt.title("kdeplot practice") # 圖的標題
sns.kdeplot(df["tip"]) # 繪製密度圖
plt.show() # 顯現圖形 

import pandas as pd # 引入Pandas
import seaborn as sns # 引入Seaborn
import matplotlib.pyplot as plt # 引入matplotlib的函數

df = pd.read_csv("tips.csv")  # 讀入檔案

plt.title("kdeplot practice2") # 圖的標題
sns.kdeplot(df["total_bill"], shade=True) # 繪製密度圖
plt.show() # 顯現圖形 

直方密度圖

distplot()，此函數結合了Matplotlib的hist()与kdeplot的功能，兩種圖形可以同時呈現，當然透過True和False可以關掉其中一種。

實作

import pandas as pd # 引入Pandas
import seaborn as sns # 引入Seaborn
import matplotlib.pyplot as plt # 引入matplotlib的函數

df = pd.read_csv("tips.csv")  # 讀入檔案

plt.title("distplot practice") # 圖的標題
sns.distplot(df["tip"]) # 繪製直方密度圖
plt.show() # 顯現圖形 

結語

這兩篇終於把繪圖的工具結束了～雖然有很多小細節，但是之後會用到的也不會那麼多，這邊列出來給大家做個參考，如果看到自己喜歡的工具也可以開始應用！

參考資料

• Seaborn官網
• [Python 商業數據分析之可視化繪圖] 第9講：Seaborn介紹
  
• Python绘图可视化——Seaborn实现