Seaborn 散点图

Seaborn 散点图函数

在 Seaborn 中，我们可以使用 scatterplot() 函数来绘制一个散点图。散点图的主要作用是：判断两个变量之间是否存在关联趋势。

通过观察散点图中数据点的分布，可以判断变量之间是否存在线性或非线性关系，以及是否存在异常值。散点图在以下情况下特别有用：

• 研究两个变量之间的相关性。
• 识别数据中的模式和趋势。
• 检测异常值。

语法：

sns.scatterplot(data, x, y)

说明：

scatterplot() 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。

scatterplot() 函数会根据提供的 x 和 y 值将数据点绘制在二维坐标系中。hue、style 和 size 参数可用于添加额外的维度来区分数据点。

示例 1：散点图指定 x 和 y

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 = [
    [1, 16],
    [2, 18],
    [3, 20],
    [4, 21],
    [5, 21],
    [6, 23],
    [7, 24],
    [8, 24],
    [9, 26],
    [10, 27]
]
df = pd.DataFrame(data, columns=['A列', 'B列'])
# 绘图
sns.scatterplot(data=df, x='A列', y='B列')

# 显示
plt.show()

运行之后，效果如下图所示。

分析：

在这个例子中，我们指定 “A列” 这一列数据作为 x 轴坐标，并且指定 “B列” 这一列数据作为 y 轴坐标。从结果可以看出来，这两列数据存在一定的线性关系。

当然我们也可以不指定 x 和 y，但是需要使用 set_index() 方法将某一列指定为行名。这样行名部分就会成为 x 轴坐标，然后其他列就会成为 y 轴坐标。

此外，对于这个例子来说，下面 2 种方式是等价的。

# 方式 1
sns.scatterplot(data=df, x='A列', y='B列')

# 方式 2
sns.scatterplot(x=df['A列'], y=df['B列'])

示例 2：散点图不指定 x 和 y

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 = [
    [1, 16],
    [2, 18],
    [3, 20],
    [4, 21],
    [5, 21],
    [6, 23],
    [7, 24],
    [8, 24],
    [9, 26],
    [10, 27]
]
df = pd.DataFrame(data, columns=['A列', 'B列'])
# 指定行名部分
df.set_index('A列', inplace=True)
# 绘图
sns.scatterplot(data=df)

# 显示
plt.show()

运行之后，效果如下图所示。

分析：

df.set_index('A列', inplace=True) 表示将 “A列” 这一列设置为行名。接下来我们使用 scatterplot() 绘制散点图时，“A列” 就会自动成为 x 轴坐标，然后其他列就会自动成为 y 轴坐标。

Seaborn 散点图案例

Seaborn 内置了一个数据集 tips，该数据集保存的是某餐厅的营业情况，包括账单、小费、客人信息等，部分内容如下图所示。需要说明的是，“size” 这一列指的是客人订的餐桌类型，比如有些是 2 人桌、有些是 3 人桌等。

示例 3：基本散点图

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('tips')
# 重命名列
column_map = {
    'total_bill': '账单',
    'tip': '小费',
    'sex': '性别',
    'smoker': '是否吸烟',
    'day': '星期',
    'time': '餐段',
    'size': '人数'
}
df.rename(columns=column_map, inplace=True)

# 绘制图表
sns.scatterplot(data=df, x='账单', y='小费')

# 显示
plt.show()

运行之后，效果如下图所示。

分析：

sns.scatterplot(data=df, x='账单', y='小费') 表示将 “账单” 这一列设置为 x 轴坐标，并且将 “小费” 这一列设置为 y 轴坐标。如果我们想要加入 “餐段” 这一列作为区分，此时应该怎么做呢？我们可以接着看下面这个例子。

示例 4：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('tips')
# 重命名列
column_map = {
    'total_bill': '账单',
    'tip': '小费',
    'sex': '性别',
    'smoker': '是否吸烟',
    'day': '星期',
    'time': '餐段',
    'size': '人数'
}
df.rename(columns=column_map, inplace=True)

# 绘制图表
sns.scatterplot(data=df, x='账单', y='小费', hue='餐段')

# 显示
plt.show()

运行之后，效果如下图所示。

分析：

对于 scatterplot() 函数来说，我们可以使用 hue、style、size 这 3 个参数来进行类别区分。小伙伴们需要非常清楚以下 3 点。

• hue、style、size 这 3 个参数的功能是一样的，只是表现的效果不一样。
• hue、style、size 这 3 个参数可以单独使用，也可以组合使用。
• 大多数绘图函数都有 hue 这个参数，但只有少数绘图函数才有 style 和 size 参数。

hue、style、size 这 3 个参数的作用是一样的，只是表现的效果不一样：hue 会使用不同的 “颜色” 来进行区分，style 会使用不同的 “形状” 进行区分，而 size 会使用不同的 “大小” 进行区分。

在这个例子中，hue 是根据 “餐段” 这一列进行区分。由于 “餐段” 这一列只有 2 种取值：“Lunch（午餐）” 和 “Dinner（晚餐）”。所以 scatterplot() 函数会使用 2 种不同的颜色进行区分。实际上，对于 hue、style、size 这 3 个参数，该列有多少种取值情况，就会使用多少种形式来表现。

对于这个例子来说，如果我们将 hue='餐段' 改为 style='餐段' 之后，此时效果如下图所示。

当我们将 hue='餐段' 改为 size='餐段' 之后，此时效果如下图所示。

当然了，我们还可以同时使用 hue、style、size 中的 2 个或 3 个。如果同时使用 hue 和 size，也就是执行下面这一句代码，此时效果如下图所示。

sns.scatterplot(data=df, x='账单', y='小费', hue='餐段', size='餐段')

上面都是使用 “餐段” 这一列作为区分，如果我们将 hue='餐段' 改为 hue='星期'，也就是使用 “时间” 这一列作为区分，此时效果如下图所示。因为 “时间” 这一列的取值有 4 种：Thur（周四）、Fri（周五）、Sat（周六）、Sun（周日），所以就会使用 4 种不同的颜色进行区分。

如果使用 Matplotlib 来对散点图进行类别区分，实现起来是非常麻烦的。但是使用 Seaborn 却简单多了，只需要几个参数就可以。

我们来总结一下，如何选择 hue、style 和 size 参数。

• hue 参数通常用于区分分类变量，当分类变量的类别较少时，hue 可以有效地使用颜色来区分不同的类别。
• style 参数也用于区分分类变量，但它使用不同的标记形状。当需要在黑白打印或颜色不易区分的情况下显示数据时，style 参数非常有用。
• size 参数通常用于区分数值变量，它使用不同的大小来表示不同的数值。size 参数可以有效地显示数值变量的差异，并帮助观察数值变量对其他变量的影响。

示例 5：自定义 size

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('tips')
# 重命名列
column_map = {
    'total_bill': '账单',
    'tip': '小费',
    'sex': '性别',
    'smoker': '是否吸烟',
    'day': '星期',
    'time': '餐段',
    'size': '人数'
}
df.rename(columns=column_map, inplace=True)

# 绘制图表
sns.scatterplot(data=df, x='账单', y='小费', hue='人数', size='人数')

# 显示
plt.show()

运行之后，效果如下图所示。

分析：

sns.scatterplot(data=df, x='账单', y='小费', hue='人数', size='人数') 表示使用不同颜色以及不同大小的圆点对 “人数” 这一列进行区分。但是从结果可以看出来，区分度其实是非常差的。

在实际开发中，如果觉得 size 参数默认大小的区分度不高，我们可以结合另一个参数 sizes 来进行自定义大小。我们修改为下面这一句代码，其中 sizes = (20, 200) 表示大小的范围在 20 ~ 200 之间，然后 Seaborn 会根据 size 取值有多少种来进行自动划分。再次执行代码之后，此时效果如下图所示。

sns.scatterplot(data=df, x='账单', y='小费', hue='人数', size='人数', sizes=(20, 200))

最后，我们来总结一下 scatterplot() 函数的参数，常用的如下表所示。