微信公眾號：「Python讀財」
如有問題或建議，請公眾號留言
Seaborn是基於matplotlib的Python視覺化庫。 它提供了一個高階介面來繪製有吸引力的統計圖形。Seaborn其實是在matplotlib的基礎上進行了更高階的API封裝，從而使得作圖更加容易，不需要經過大量的調整就能使你的圖變得精緻。
注：所有程式碼均在IPython notebook中實現
箱形圖（Box-plot）又稱為盒須圖、盒式圖或箱線圖，是一種用作顯示一組資料分散情況資料的統計圖。它能顯示出一組資料的最大值、最小值、中位數及上下四分位數。因形狀如箱子而得名。在各種領域也經常被使用，常見於品質管理。圖解如下：
接下來我們介紹Seaborn中的箱型圖的具體實現方法，這是boxplot的API：
seaborn.boxplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=0.75, width=0.8, dodge=True, fliersize=5, linewidth=None, whis=1.5, notch=False, ax=None, **kwargs)
我們從具體的例項出發
%matplotlib inline
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
plt.rc("font",family="SimHei",size="15") #解決中文亂碼問題本文所使用的資料集是鳶尾花卉資料集
data.head(6)
x，y：dataframe中的列名（str）或者向量資料
data：dataframe或者陣列
sns.boxplot(x=data["pw"],data=data) 
palette：調色盤，控制影像的色調
fig,axes=plt.subplots(1,2,sharey=True)
sns.boxplot(x="catagory",y="pw",data=data,ax=axes[0]) #左圖
sns.boxplot(x="catagory",y="pw",data=data,palette="Set3",ax=axes[1]) #右圖
hue（str）：dataframe的列名，按照列名中的值分類形成分類的條形圖
sns.boxplot(x="color",y="pl",data=data,hue="catagory",palette="Set3")
order, hue_order (lists of strings)：用於控制條形圖的順序
sns.boxplot(x="catagory",y="pw",data=data,palette="Set3",order=[2,1,0]) 
orient："v"|"h" 用於控制影像使水平還是豎直顯示（這通常是從輸入變數的dtype推斷出來的，此引數一般當不傳入x、y，只傳入data的時候使用）
fig,axes=plt.subplots(2,1)
sns.boxplot(data=data,orient="v",palette="Set3",ax=axes[0]) #豎直顯示
sns.boxplot(data=data,orient="h",palette="Set3",ax=axes[1]) #水平顯示 
fliersize：float，用於指示離群值觀察的標記大小
fig,axes=plt.subplots(1,2)
sns.boxplot(x="color",y="pl",data=data,ax=axes[0]) #fliersize預設為5
sns.boxplot(x="color",y="pl",data=data,fliersize=20,ax=axes[1]) 
whis： 確定離群值的上下界（IQR超過低和高四分位數的比例），此範圍之外的點將被識別為異常值。IQR指的是上下四分位的差值。
fig,axes=plt.subplots(1,2)
sns.boxplot(x="color",y="pl",data=data,whis=1,ax=axes[0]) #左圖
sns.boxplot(x="color",y="pl",data=data,whis=2,ax=axes[1]) #右圖
width： float，控制箱型圖的寬度
fig,axes=plt.subplots(1,2)
sns.boxplot(x="color",y="pl",data=data,width=0.3,ax=axes[0]) #左圖
sns.boxplot(x="color",y="pl",data=data,width=0.8,ax=axes[1]) #右圖
violinplot與boxplot扮演類似的角色，它顯示了定量資料在一個（或多個）分類變數的多個層次上的分佈，這些分佈可以進行比較。不像箱形圖中所有繪圖元件都對應於實際資料點，小提琴繪圖以基礎分佈的核密度估計為特徵。具體用法如下：
seaborn.violinplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, bw='scott', cut=2, scale='area', scale_hue=True, gridsize=100, width=0.8, inner='box', split=False, dodge=True, orient=None, linewidth=None, color=None, palette=None, saturation=0.75, ax=None, **kwargs)
例項所用的資料集如下：
data.head(6)
在這裡就不再介紹x，y，hue，data，order，hue_order，palette 引數的用法，這些引數的用法和之前介紹的圖形的用法是一樣的，如有需要可以檢視之前的內容。
先來畫一個小提琴圖：
sns.violinplot(x="gender",y="age",data=data)
split： 將split設定為true則繪製分拆的violinplot以比較經過hue拆分後的兩個量：
fig,axes=plt.subplots(2,1)
ax=sns.violinplot(x="color",y="age",data=data,hue="smoker",split=True,ax=axes[0]) #上圖，拆分後的圖
ax=sns.violinplot(x="color",y="age",data=data,hue="smoker",ax=axes[1]) #下圖
scale_hue：bool，當使用色調變數（hue引數）巢狀小提琴時，此引數確定縮放是在主要分組變數（scale_hue = true）的每個級別內還是在圖上的所有小提琴（scale_hue = false）內計算出來的。
fig,axes=plt.subplots(2,1)
ax=sns.violinplot(x="color",y="age",data=data,hue="smoker",split=True,scale_hue=False,ax=axes[0]) #上圖
ax=sns.violinplot(x="color",y="age",data=data,hue="smoker",split=True,scale_hue=True,ax=axes[1]) #下圖
orient："v"|"h" 用於控制影像使水平還是豎直顯示（這通常是從輸入變數的dtype推斷出來的，此引數一般當不傳入x、y，只傳入data的時候使用）
fig,axes=plt.subplots(2,1)
sns.violinplot(data=data[["height","weight","age"]],orient="v",ax=axes[0]) #上圖
sns.violinplot(data=data[["height","weight","age"]],orient="h",ax=axes[1]) #下圖
inner：控制violinplot內部資料點的表示，有'box','quartile','point','stick'四種方式。
fig,axes=plt.subplots(2,2)
sns.violinplot(x="color",y="age",data=data,inner="box",ax=axes[0,0]) #鋼琴圖內顯示箱型圖（左上）
sns.violinplot(x="color",y="age",data=data,inner="quartile",ax=axes[0,1]) #鋼琴圖內顯示四分位數線（右上）
sns.violinplot(x="color",y="age",data=data,inner="point",ax=axes[1,0]) #鋼琴圖內顯示具體資料點（左下）
sns.violinplot(x="color",y="age",data=data,inner="stick",ax=axes[1,1]) #鋼琴圖內顯示具體資料棒（右下）
scale： 該引數用於縮放每把小提琴的寬度，有'area','count','width'三種方式
fig,axes=plt.subplots(3,1)
sns.violinplot(x="color",y="age",data=data,scale="area",ax=axes[0]) #如果為"area"，每把小提琴將有相同的面積(上圖)
sns.violinplot(x="color",y="age",data=data,scale="count",ax=axes[1]) #如果為"count"，小提琴的寬度將根據該小組中觀察的數量來縮放（中圖）
sns.violinplot(x="color",y="age",data=data,scale="width",ax=axes[2]) #如果為"age"，每把小提琴將有相同的寬度（下圖）
cut： float，距離，以頻寬大小為單位，以控制小提琴圖外殼延伸超過內部極端資料點的密度。設定為0以將小提琴範圍限制在觀察資料的範圍內（即，在ggplot中具有與trim = true相同的效果)
fig,axes=plt.subplots(2,1)
sns.violinplot(x="age",y="gender",data=data,ax=axes[0]) #上圖
sns.violinplot(x="age",y="gender",data=data,cut=0,ax=axes[1]) #下圖
width： float，控制鋼琴圖的寬度（比例）
fig,axes=plt.subplots(2,1)
sns.violinplot(x="color",y="age",data=data,ax=axes[0],width=0.5) #上圖
sns.violinplot(x="color",y="age",data=data,ax=axes[1],width=0.9) #下圖
這已經是Seaborn入門系列的第三篇文章了，相信大家已經大概瞭解Seaborn的作圖過程，也可以體會到用Seaborn作圖相比於matplotlib更加簡單。以上內容是我結合官方文件和自己的一點理解寫成的，有什麼錯誤大家可以指出來並提提意見，共同交流、進步，也希望我寫的這些能夠給閱讀完本文的你或或少的幫助！
關注我的公眾號「Python讀財」，後臺回覆「py」即可獲取Python學習資源禮包，還有Python學習交流群哦！
本作品採用《CC 協議》，轉載必須註明作者和本文連結