Seaborn 直方图 - 绿叶网

Seaborn 直方图函数

直方图和柱状图十分相似，不过它们的功能是不一样的：柱状图用于展示数据大小，而直方图用于展示数据个数（频率）。

直方图适用于展示数值变量的分布情况，它在以下情况下特别有用。

展示数据的分布形态（例如，正态分布、偏态分布）。
识别数据中的峰值和异常值。
比较不同组数据的分布情况。

不过直方图也存在局限性，主要包括以下方面。

不适合展示分类变量的分布。
柱子的宽度和位置会影响直方图的视觉效果。

在 Seaborn 中，我们可以使用 histplot() 函数来绘制一个直方图。其中，histplot 是 “histplot plot” 的缩写。

语法：

sns.histplot(data, x, y, bins, binwidth)

说明：

histplot() 函数接收以下主要参数。

data（可选）：用于定义数据部分，它是一个 DataFrame。
x（可选）：用于指定 DataFrame 的哪一列作为 x 轴坐标。
y（可选）：用于指定 DataFrame 的哪一列作为 y 轴坐标。
bins（可选）：表示根据什么范围进行分组。如果没有指定 bins，那么 Seaborn 就会自动分组。
binwidth（可选）：表示定义直方图柱子的宽度。

histplot() 函数会根据提供的 x 或 y 值将数据分成若干个区间（bin），并统计每个区间内数据点的数量，然后用柱形图的形式展示每个区间内数据点的数量。

示例 1：Seaborn 绘制直方图

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

# 设置
sns.set_theme(rc={'font.sans-serif': 'SimHei', 'axes.unicode_minus': False})

# 数据
data = [
    ['张三', 24],
    ['李四', 18],
    ['王五', 37],
    ['小芳', 24],
    ['小红', 12],
    ['小明', 42],
    ['小华', 56],
    ['小莉', 67],
    ['小英', 45],
    ['小军', 82]
]
df = pd.DataFrame(data, columns=['姓名', '年龄'])
# 绘图
sns.histplot(data=df, x='年龄')

# 显示
plt.show()

运行之后，效果如下图所示。

Seaborn 直方图

分析：

直方图用于统计处于各个区间数据的 “个数”，所以 y 轴标题显示的是 “count”（即个数）。如果没有指定 bins 这个参数，那么 Seaborn 就会自动帮你分组。不过从结果可以看出来，这个分组其实是有点 “乱来” 了，并不符合我们预期的效果。

示例 2：自定义分组

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

# 设置
sns.set_theme(rc={'font.sans-serif': 'SimHei', 'axes.unicode_minus': False})

# 数据
data = [
    ['张三', 24],
    ['李四', 18],
    ['王五', 37],
    ['小芳', 24],
    ['小红', 12],
    ['小明', 42],
    ['小华', 56],
    ['小莉', 67],
    ['小英', 45],
    ['小军', 82]
]
df = pd.DataFrame(data, columns=['姓名', '年龄'])
# 绘图
sns.histplot(data=df, x='年龄', bins=[0, 20, 40, 60, 80, 100])

# 显示
plt.show()

运行之后，效果如下图所示。

Seaborn 直方图分组

分析：

bins=[0, 20, 40, 60, 80, 100] 表示划分为 0~20、20~40、40~60、60~80、80~100 这 5 个区间，然后分别统计这 5 个区间年龄的个数。

除了 bins 这个参数之外，我们还可以使用 binwidth 来指定每一个区间的宽度。当我们改为下面这一句代码时，此时效果如下图所示。

sns.histplot(data=df, x='年龄', binwidth=20)

Seaborn 直方图 binwidth 分组

binwidth=20 表示指定区间的宽度为 20，需要注意的是，第 1 个区间并不是从 0 开始的，而是从最小的数据开始算起。由于上面最小的数据是 12，所以第 1 个区间是 12 ~ 32，然后第 2 个区间是 32 ~ 52…… 直到把所有数据都包含了。第 4 个区间是 72 ~ 92，此时已经把所有数据包含进去了，Seaborn 就结束区间的划分。

binwidth 参数这种方式来划分区间，弊端比较大，因为它并不是从 0 开始计算的。所以在实际开发中，最好的方式还是使用 bins 参数来实现分组。

Seaborn 直方图案例

Seaborn 内置了一个数据集 penguins，该数据集保存的是 344 只企鹅的相关数据，包括种类、岛屿、性别、体重等，部分内容如下图所示。需要注意的是，penguins 数据中存在一定的缺失值，不过这并不会影响我们绘制图表。

Seaborn penguins 数据集

示例 3：基本直方图

import matplotlib.pyplot as plt
import seaborn as sns

# 设置
sns.set_theme(rc={'font.sans-serif': 'SimHei', 'axes.unicode_minus': False})

# 加载内置数据集
df = sns.load_dataset('penguins')
# 重命名列
column_map = {
    'species': '种类',
    'island': '岛屿',
    'bill_length_mm': '喙长',
    'bill_depth_mm': '喙深',
    'flipper_length_mm': '鳍长',
    'body_mass_g': '体重',
    'sex': '性别'
}
df.rename(columns=column_map, inplace=True)

# 绘制图表
sns.histplot(data=df, x='体重')

# 显示
plt.show()

运行之后，效果如下图所示。

Seaborn 基本直方图

分析：

对于这个例子来说，直方图的 x 轴是 “体重”，然后 y 轴是每一个区间对应的 “数量（count）”。由于这里设置的是 x='体重'，所以直方图是纵向的。如果想要改成横向的，我们只需要把 x='体重' 改为 y='体重' 就可以了。修改后的代码如下，此时效果如下图所示。

sns.histplot(data=df, y='体重')

Seaborn 直方图横向显示

示例 4：添加核密度估计曲线

import matplotlib.pyplot as plt
import seaborn as sns

# 设置
sns.set_theme(rc={'font.sans-serif': 'SimHei', 'axes.unicode_minus': False})

# 加载内置数据集
df = sns.load_dataset('penguins')
# 重命名列
column_map = {
    'species': '种类',
    'island': '岛屿',
    'bill_length_mm': '喙长',
    'bill_depth_mm': '喙深',
    'flipper_length_mm': '鳍长',
    'body_mass_g': '体重',
    'sex': '性别'
}
df.rename(columns=column_map, inplace=True)

# 绘制图表
sns.histplot(data=df, x='体重', kde=True)

# 显示
plt.show()

运行之后，效果如下图所示。

Seaborn直方图添加核密度估计曲线

分析：

有时候我们不仅想看柱状的分布，还想看到平滑的分布曲线，此时只需要添加 kde=True 参数即可。

示例 5：添加区分

import matplotlib.pyplot as plt
import seaborn as sns

# 设置
sns.set_theme(rc={'font.sans-serif': 'SimHei', 'axes.unicode_minus': False})

# 加载内置数据集
df = sns.load_dataset('penguins')
# 重命名列
column_map = {
    'species': '种类',
    'island': '岛屿',
    'bill_length_mm': '喙长',
    'bill_depth_mm': '喙深',
    'flipper_length_mm': '鳍长',
    'body_mass_g': '体重',
    'sex': '性别'
}
df.rename(columns=column_map, inplace=True)

# 绘制图表
sns.histplot(data=df, x='体重', hue='性别')

# 显示
plt.show()

运行之后，效果如下图所示。

Seaborn 直方图添加区分

分析：

对于直方图来说，我们只能使用 hue 参数，而不能使用 style 或 size 这 2 个参数。histplot() 函数和 barplot() 函数一样，都是只有 hue 参数，而没有 style 和 size 这 2 个参数。

hue='性别' 表示使用 “性别” 这一列作为类别的区分。如果将 hue='性别' 改为 hue='种类'，此时效果如下图所示。

Seaborn 直方图 hue='种类'

示例 6：堆叠显示

import matplotlib.pyplot as plt
import seaborn as sns

# 设置
sns.set_theme(rc={'font.sans-serif': 'SimHei', 'axes.unicode_minus': False})

# 加载内置数据集
df = sns.load_dataset('penguins')
# 重命名列
column_map = {
    'species': '种类',
    'island': '岛屿',
    'bill_length_mm': '喙长',
    'bill_depth_mm': '喙深',
    'flipper_length_mm': '鳍长',
    'body_mass_g': '体重',
    'sex': '性别'
}
df.rename(columns=column_map, inplace=True)

# 绘制图表
sns.histplot(data=df, x='体重', hue='性别', multiple='stack')

# 显示
plt.show()

运行之后，效果如下图所示。

Seaborn 直方图堆叠显示

分析：

使用 hue 参数进行类别区分时，默认是使用 “分层” 的方式来显示（带有一定透明度）。实际上我们也可以使用 multiple='stack' 这个参数来使用 “堆叠” 的方式来显示。

示例 7：阶梯显示

import matplotlib.pyplot as plt
import seaborn as sns

# 设置
sns.set_theme(rc={'font.sans-serif': 'SimHei', 'axes.unicode_minus': False})

# 加载内置数据集
df = sns.load_dataset('penguins')
# 重命名列
column_map = {
    'species': '种类',
    'island': '岛屿',
    'bill_length_mm': '喙长',
    'bill_depth_mm': '喙深',
    'flipper_length_mm': '鳍长',
    'body_mass_g': '体重',
    'sex': '性别'
}
df.rename(columns=column_map, inplace=True)

# 绘制图表
sns.histplot(data=df, x='体重', hue='种类', element='step')

# 显示
plt.show()

运行之后，效果如下图所示。

Seaborn 直方图阶梯显示

分析：

默认情况下，Seaborn 是使用 “条形” 这种方式来显示数据个数。不过我们可以使用 element='step' 这个参数来使用 “阶梯” 的方式来显示数据个数。

最后，我们来总结一下 histplot() 函数的参数，常用的如下表所示。

histplot() 函数的参数
参数	说明
data	数据部分
x	x 轴坐标
y	y 轴坐标
bins	自定义分组
binwidth	定义柱子宽度
kde=True	添加核密度估计曲线
hue	添加区分（颜色）
multiple='stack'	堆叠显示
element='step'	阶梯显示