zoukankan      html  css  js  c++  java
  • seaborn教程3——数据集的分布可视化

    原文转载:https://segmentfault.com/a/1190000015006667

    Seaborn学习大纲

    seaborn的学习内容主要包含以下几个部分:

    1. 风格管理

      • 绘图风格设置
      • 颜色风格设置
    2. 绘图方法

      • 数据集的分布可视化
      • 分类数据可视化
      • 线性关系可视化
    3. 结构网格

      • 数据识别网格绘图

    本次将主要介绍数据集的分布可视化的使用。

    数据集分布可视化

    当处理一个数据集的时候,我们经常会想要先看看特征变量是如何分布的。这会让我们对数据特征有个很好的初始认识,同时也会影响后续数据分析以及特征工程的方法。本篇将会介绍如何使用 seaborn 的一些工具来检测单变量和双变量分布情况。

    首先还是先导入需要的模块和数据集。

    1 %matplotlib inline
    2 import numpy as np
    3 import pandas as pd
    4 from scipy import stats, integrate
    5 import matplotlib.pyplot as plt
    6 import seaborn as sns
    7 sns.set(color_codes=True)
    8 np.random.seed(sum(map(ord, "distributions")))

    注意:这里的数据集是随机产生的分布数据,由 numpy 生成,数据类型是ndarray。当然,pandas 的 Series 数据类型也是可以使用的,比如我们经常需要从 DataFrame 表中提取某一特征(某一列)来查看分布情况。

    1、绘制单变量分布

    在 seaborn 中,快速观察单变量分布的最方便的方法就是使用 distplot() 函数。

    1.1 默认会使用柱状图(histogram)来绘制,并提供一个适配的核密度估计(KDE)。

    1 x = np.random.normal(size=100)
    2 sns.distplot(x);

     

    1.2 直方图(histograms)

    直方图是比较常见的,并且在 matplotlib 中已经存在了 hist 函数。直方图在横坐标的数据值范围内均等分的形成一定数量的数据段(bins),并在每个数据段内用矩形条(bars)显示y轴观察数量的方式,完成了对的数据分布的可视化展示。

    为了说明这个,我们可以移除 kde plot,然后添加 rug plot(在每个观察点上的垂直小标签)。当然,你也可以使用 rug plot 自带的 rugplot() 函数,但是也同样可以在 distplot 中实现:

    sns.distplot(x, kde=False, rug=True);

     

     当绘制直方图时,你最需要确定的参数是矩形条的数目以及如何放置它们。distplot()使用了一个简单的规则推测出默认情况下最合适的数量,但是或多或少的对 bins 数量进行一些尝试也许能找出数据的其它特征

    sns.distplot(x, bins=20, kde=False, rug=True);

     

    1.3 核密度估计(Kernel density estimation)

    核密度估计可能不被大家所熟悉,但它对于绘制分布的形状是一个非常有用的工具。就像直方图那样,KDE plots 会在一个轴上通过高度沿着其它轴将观察的密度编码。

    sns.distplot(x, hist=False, rug=True);

     

     绘制 KDE 比绘制直方图需要更多的计算。它的计算过程是这样的,每个观察点首先都被以这个点为中心的正态分布曲线所替代。

     1 x = np.random.normal(0, 1, size=30)
     2 bandwidth = 1.06 * x.std() * x.size ** (-1 / 5.)
     3 support = np.linspace(-4, 4, 200)
     4 
     5 kernels = []
     6 for x_i in x:
     7 
     8     kernel = stats.norm(x_i, bandwidth).pdf(support)
     9     kernels.append(kernel)
    10     plt.plot(support, kernel, color="r")
    11 
    12 sns.rugplot(x, color=".2", linewidth=3);

     

     然后,这些替代的曲线进行加和,并计算出在每个点的密度值。最终生成的曲线被归一化,以使得曲线下面包围的面积是1。

    1 density = np.sum(kernels, axis=0)
    2 density /= integrate.trapz(density, support)
    3 plt.plot(support, density);

     

     我们可以看到,如果我们使用 kdeplot() 函数,我们可以得到相同的曲线。这个函数实际上也被 distplot() 所使用,但是如果你就只想要密度估计,那么 kdeplot() 会提供一个直接的接口更简单的操作其它选项。

    sns.kdeplot(x, shade=True);

     

     KDE 的带宽参数(bw)控制着密度估计曲线的宽窄形状,有点类似直方图中的 bins 参数的作用。它对应着我们上面绘制的 KDE 的宽度。默认情况下,函数会按照一个通用的参考规则来估算出一个合适的值,但是尝试更大或者更小也可能会有帮助:

    1 sns.kdeplot(x,label='default')
    2 sns.kdeplot(x, bw=.2, label="bw: 0.2")
    3 sns.kdeplot(x, bw=2, label="bw: 2")
    4 plt.legend();

     

     如上所述,高斯KDE过程的意味着估计延续了数据集中最大和最小的值。 可以通过cut参数来控制绘制曲线的极值值的距离; 然而,这只影响曲线的绘制方式,而不是曲线如何拟合:

    1 sns.kdeplot(x, shade=True, cut=0,label='cut=0')
    2 sns.kdeplot(x, shade=True, cut=1,label='cut=1')
    3 sns.kdeplot(x, shade=True,label='no_cut')
    4 sns.rugplot(x);

    1.4 拟合参数分布

    你也可以使用distplot()将参数分布拟合到数据集,并可视化地评估其与观察数据的对应程度:

    x = np.random.gamma(6, size=200)
    sns.distplot(x, kde=False, fit=stats.gamma);

    2、绘制双变量分布

    对于双变量分布的可视化也是非常有用的。在 seaborn 中最简单的方法就是使用 joinplot() 函数,它能够创建一个多面板图形来展示两个变量之间的联合关系,以及每个轴上单变量的分布情况。

    1 mean, cov = [0, 1], [(1, .5), (.5, 1)]
    2 data = np.random.multivariate_normal(mean, cov, 200)
    3 df = pd.DataFrame(data, columns=["x", "y"])

    2.1 Scatterplots

    双变量分布最熟悉的可视化方法无疑是散点图了,在散点图中每个观察结果以x轴和y轴值所对应的点展示。你可以用 matplotlib 的 plt.scatter 函数来绘制一个散点图,它也是jointplot()函数显示的默认方式。

    1 plt.scatter(x="x", y="y", data=df)

    sns.jointplot(x="x", y="y", data=df)

    2.2 Hexbin plots

    直方图 histogram 的双变量类似图被称为 “hexbin” 图,因为它展示了落在六角形箱内的观测量。这种绘图对于相对大的数据集效果最好。它可以通过 matplotlib 的 plt.hexbin 函数使用,也可以作为 jointplot 的一种类型参数使用。它使用白色背景的时候视觉效果最好。

    x, y = np.random.multivariate_normal(mean, cov, 1000).T
    with sns.axes_style("white"):
        sns.jointplot(x=x, y=y, kind="hex", color="k");

    2.3 Kernel density estimation

    还使用上面描述的核密度估计过程来可视化双变量分布。在 seaborn 中,这种绘图以等高线图展示,并且可以作为 jointplot()的一种类型参数使用。

    sns.jointplot(x="x", y="y", data=df, kind="kde");

     2.4 你也可以用 kdeplot 函数来绘制一个二维的核密度图形。这可以将这种绘图绘制到一个特定的(可能已经存在的)matplotlib轴上,而jointplot()函数只能管理自己:

    1 f, ax = plt.subplots(figsize=(6, 6))
    2 sns.kdeplot(df.x, df.y, ax=ax)
    3 sns.rugplot(df.x, color="g", ax=ax)
    4 sns.rugplot(df.y, vertical=True, ax=ax);

     

     如果你希望让双变量密度看起来更连续,您可以简单地增加 n_levels 参数增加轮廓级数:

    1 f, ax = plt.subplots(figsize=(6, 6))
    2 cmap = sns.cubehelix_palette(as_cmap=True, dark=0, light=1, reverse=True)
    3 sns.kdeplot(df.x, df.y, cmap=cmap, n_levels=60, shade=True);

     

     如果你希望让双变量密度看起来更连续,您可以简单地增加 n_levels 参数增加轮廓级数:

    f, ax = plt.subplots(figsize=(6, 6))
    cmap = sns.cubehelix_palette(as_cmap=True, dark=0, light=1, reverse=True)
    sns.kdeplot(df.x, df.y, cmap=cmap, n_levels=60, shade=True);

    2.5 jointplot()函数使用JointGrid来管理图形。

    为了获得更多的灵活性,您可能需要直接使用JointGrid绘制图形。jointplot()在绘制后返回JointGrid对象,你可以用它来添加更多层或调整可视化的其他方面:

    1 g = sns.jointplot(x="x", y="y", data=df, kind="kde", color="m")
    2 g.plot_joint(plt.scatter, c="w", s=30, linewidth=1, marker="+")
    3 g.ax_joint.collections[0].set_alpha(0)
    4 g.set_axis_labels("$X$", "$Y$");

    3、可视化数据集成对关系

    为了绘制数据集中多个成对的双变量,你可以使用 pairplot() 函数。这创建了一个轴矩阵,并展示了在一个 DataFrame 中每对列的关系。默认情况下,它也绘制每个变量在对角轴上的单变量。

    1 iris = sns.load_dataset("iris")
    2 sns.pairplot(iris);

     就像 joinplot() 和 JoinGrid 之间的关系,pairplot() 函数建立在 PairGrid 对象之上,直接使用可以更灵活。

    1 g = sns.PairGrid(iris)
    2 g.map_diag(sns.kdeplot)
    3 g.map_offdiag(sns.kdeplot, cmap="Blues_d", n_levels=6);

  • 相关阅读:
    打造基于CentOS7的xfce最简工作环境
    Linux下C程序的编辑,编译和运行以及调试
    修正 XE6 TListView 上方 SearchBok 右边的清除钮显示
    TabControl 显示彩色的图示 (XE6 Firemonkey)
    TSwitch 中文简繁显示支持(XE6 Android)
    改变 TMemo 的背景颜色 (Firemonkey)
    修正 XE5 Android 键盘三个问题
    Delphi 收藏
    展示 Popup 的使用方法
    ListView 下拉更新 (支持 Android)
  • 原文地址:https://www.cnblogs.com/weststar/p/11644406.html
Copyright © 2011-2022 走看看