AI开发-数据可视化库-Seaborn

1 需求

概述

Seaborn 是一个基于 Python 的数据可视化库，它建立在 Matplotlib 之上。其主要目的是使数据可视化更加美观、方便和高效。它提供了高层次的接口和各种美观的默认主题，能够帮助用户快速创建出具有吸引力的统计图表，用于数据分析和探索性数据分析（EDA）。

主要特点

美观的默认样式：
Seaborn 具有吸引人的默认样式，其图表风格通常比 Matplotlib 更加现代和美观。例如，它的颜色搭配、字体选择等方面都经过精心设计。它提供了多种预设的主题，如darkgrid、whitegrid、dark、white和ticks。以darkgrid主题为例，它会在深色背景上绘制带有白色网格线的图表，这种风格在展示数据时可以减少视觉疲劳，并且使数据点和线条更加突出。
丰富的统计图表类型：
涵盖了多种用于统计分析的图表。例如，distplot（在较新版本中被拆分为histplot和kdeplot）可以用于绘制数据的分布情况，它可以同时展示直方图和核密度估计曲线。pairplot是一个非常强大的工具，用于探索数据集中多个变量之间的关系。如果有一个包含多个数值变量的数据集，pairplot可以快速生成一个矩阵式的图表，其中对角线位置展示每个变量的分布，非对角线位置展示变量之间的两两关系（如散点图或回归直线等）。boxplot可以直观地展示数据的分布特征，包括中位数、四分位数、异常值等信息，有助于比较不同组之间的数据分布差异。
方便的数据分组和分类可视化：
能够轻松地处理分组数据和分类数据的可视化。例如，catplot是一个分类绘图函数，它可以根据指定的分类变量绘制不同类型的图表。可以使用它来绘制分类数据的柱状图、箱线图、散点图等多种图表类型。假设我们有一个销售数据集，其中包含产品类别和销售额两个变量，通过catplot可以很方便地按照产品类别绘制出销售额的柱状图，从而直观地比较不同类别产品的销售额。
与 Pandas 和 NumPy 集成良好：
由于 Seaborn 是基于 Python 的数据科学生态系统构建的，它与 Pandas 和 NumPy 等常用的数据处理库无缝集成。这意味着可以直接使用 Pandas 的 DataFrame 作为 Seaborn 函数的输入。例如，使用 Pandas 读取一个 CSV 文件并存储为 DataFrame 后，能够直接将这个 DataFrame 传递给 Seaborn 的绘图函数，如sns.scatterplot(data = df, x = "column1", y = "column2")，其中df是 Pandas 的 DataFrame，column1和column2是 DataFrame 中的列名，用于指定散点图的 x 轴和 y 轴数据。

常用图表类型及应用场景

分布可视化（如 histplot、kdeplot）：
功能：用于展示数据的分布情况。histplot通过绘制直方图来展示数据在各个区间的频率分布，kdeplot则是通过核密度估计来展示数据的概率密度分布。
应用场景：在数据分析的早期阶段，当需要了解数据的整体分布特征时非常有用。例如，在分析学生成绩分布时，可以使用histplot来查看成绩在各个分数段的人数分布情况，或者使用kdeplot来更平滑地展示成绩的分布概率密度，从而了解成绩的集中趋势和离散程度。
关系可视化（如 scatterplot、regplot）：
功能：scatterplot用于展示两个变量之间的关系，通过散点的分布来直观地显示变量之间的相关性。regplot则在scatterplot的基础上添加了线性回归拟合线，用于展示变量之间的线性关系并估计其斜率和截距。
应用场景：在探索变量之间的相关性时使用。例如，在研究房价与房屋面积之间的关系时，可以使用scatterplot来观察房价随着房屋面积的变化趋势，并且使用regplot来拟合出一条直线，以定量地分析房价和面积之间的线性关系程度。
分类可视化（如 boxplot、barplot）：
功能：boxplot用于展示分类数据的分布特征，包括中位数、四分位数和异常值等信息。barplot用于比较不同分类之间的数值大小，通过柱状的高度来直观地显示差异。
应用场景：在比较不同组之间的数据时很有用。例如，在比较不同品牌手机的价格时，可以使用barplot来直观地展示各个品牌手机价格的高低；在分析不同班级学生成绩的差异时，可以使用boxplot来查看每个班级成绩的分布情况，包括中位数、上下四分位数以及是否存在异常值等。

2 接口

3 示例

from sklearn.feature_extraction.text import CountVectorizer
import seaborn as sns
import matplotlib.pyplot as plt# 定义文本语料库
corpus = ['Time flies like an arrow.', 'Fruit flies like a banana.']# 创建并配置独热编码向量器
one_hot_vectorizer = CountVectorizer(binary=True)# 对语料库进行向量化
one_hot = one_hot_vectorizer.fit_transform(corpus).toarray()# 获取词汇表（新版本的正确方式）
vocab = one_hot_vectorizer.get_feature_names_out()# 绘制热图
plt.figure(figsize=(len(vocab), 2))
g = sns.heatmap(one_hot, annot=True, cbar=False, xticklabels=vocab, yticklabels=['Sentence 1', 'Sentence 2'])
plt.show()