Seaborn 统计可视化
本章目标
- 掌握 Seaborn 在分类、分布、回归和相关性分析中的高效绘图方式
- 理解 Seaborn 与 Matplotlib 的关系，以及
ax级 API 的组合方式 - 学会使用内置数据集快速搭建分析原型图
重点方法与概念速览
| 名称 | 类型 | 作用 |
|---|---|---|
sns.set_theme(style) | 函数 | 统一绘图主题样式 |
sns.barplot(data, x, y) | 函数 | 分类均值对比柱状图 |
sns.boxplot(data, x, y) | 函数 | 分类分布箱线图 |
sns.histplot(data) | 函数 | 直方图与 KDE 叠加 |
sns.kdeplot(data) | 函数 | 核密度估计曲线 |
sns.regplot(data, x, y) | 函数 | 回归散点图与拟合线 |
sns.heatmap(data) | 函数 | 矩阵与相关性热力图 |
sns.pairplot(data) | 函数 | 多变量成对关系探索 |
1. 分类图
sns.barplot / sns.boxplot
作用
barplot 更强调均值等聚合统计，boxplot 更强调分布与异常值。hue 维度可在同一类别下继续拆分比较。统一主题样式后，多图报告视觉会更一致。
重点方法
python
sns.barplot(data=None, *, x=None, y=None, hue=None, ax=None)
sns.boxplot(data=None, *, x=None, y=None, hue=None, ax=None)参数
| 参数名 | 类型 | 说明 | 示例取值 |
|---|---|---|---|
data | DataFrame | 输入数据 | sns.load_dataset("tips") |
x | str | 分类轴字段 | "day" |
y | str | 数值轴字段 | "total_bill" |
hue | str | 组内分组变量 | "sex" |
ax | Axes | 目标坐标轴，默认为当前 | axes[0] |
示例代码
python
import matplotlib.pyplot as plt
import seaborn as sns
sns.set_theme(style="whitegrid")
tips = sns.load_dataset("tips")
fig, axes = plt.subplots(1, 2, figsize=(12, 5))
sns.barplot(data=tips, x="day", y="total_bill", hue="sex", ax=axes[0])
axes[0].set_title("Bar Plot: Mean Total Bill by Day")
sns.boxplot(data=tips, x="day", y="total_bill", hue="sex", ax=axes[1])
axes[1].set_title("Box Plot: Distribution by Day")
plt.close()输出
text
控制台提示: 图表已保存到 outputs/visualization/03_catplot.png
左图展示各天平均账单对比，右图展示分布与离散程度
理解重点
- 均值对比和分布对比通常应配对展示，避免单一视角误读
hue分类过多时建议控制图例数量- Seaborn 的
hue参数自动处理色板——比手动 Matplotlib 更方便
2. 分布图
sns.histplot / sns.kdeplot
作用
histplot 强调频率分布，kdeplot 强调平滑密度曲线。样本量较小时，KDE 形状可能不稳定，需要谨慎解释。分布图是异常值检查和特征变换决策的前置步骤。
重点方法
python
sns.histplot(data=None, *, kde=False, bins='auto', ax=None)
sns.kdeplot(data=None, *, fill=False, ax=None)参数
| 参数名 | 类型 | 说明 | 示例取值 |
|---|---|---|---|
data | array_like 或 DataFrame | 输入样本 | np.random.normal(0, 1, 1000) |
kde | bool | histplot：是否叠加 KDE 曲线，默认为 False | True |
bins | int 或 str | histplot：分箱数，"auto" 自动，默认为 "auto" | 30 |
fill | bool | kdeplot：是否填充曲线下方，默认为 False | True |
ax | Axes | 目标坐标轴 | axes[0] |
示例代码
python
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
np.random.seed(42)
data = np.random.normal(0, 1, 1000)
fig, axes = plt.subplots(1, 2, figsize=(12, 5))
sns.histplot(data, kde=True, ax=axes[0])
axes[0].set_title("Histogram + KDE")
sns.kdeplot(data, fill=True, ax=axes[1])
axes[1].set_title("KDE Only")
plt.close()输出
text
控制台提示: 图表已保存到 outputs/visualization/03_distplot.png
左图为直方图+KDE，右图为独立 KDE 曲线
理解重点
bins与平滑程度共同影响"分布形态"判断- 使用 KDE 时应与原始频数图交叉验证
- KDE 的带宽（bandwidth）影响曲线平滑度——过小噪声大，过大丢失细节
3. 回归图
sns.regplot
作用
regplot 可同时展示散点与拟合趋势线。在探索阶段可以快速判断线性关系方向与强弱。对高噪声数据，拟合线应作为趋势参考而非因果结论。
重点方法
python
sns.regplot(data=None, *, x=None, y=None, ax=None)参数
| 参数名 | 类型 | 说明 | 示例取值 |
|---|---|---|---|
data | DataFrame | 输入数据 | sns.load_dataset("tips") |
x | str | 自变量字段 | "total_bill" |
y | str | 因变量字段 | "tip" |
ax | Axes | 目标坐标轴 | ax |
示例代码
python
import matplotlib.pyplot as plt
import seaborn as sns
tips = sns.load_dataset("tips")
fig, ax = plt.subplots(figsize=(8, 6))
sns.regplot(data=tips, x="total_bill", y="tip", ax=ax)
ax.set_title("Regression: Total Bill vs Tip")
plt.close()输出
text
控制台提示: 图表已保存到 outputs/visualization/03_regplot.png
消费总额与小费呈正相关趋势
理解重点
- 回归线是趋势摘要，不代表模型最终效果
- 观察残差和分组差异可进一步验证关系稳定性
regplot默认画散点 + 回归线 + 置信区间——适合单变量探索
4. 热力图
sns.heatmap
作用
热力图适合显示矩阵强度，常用于相关系数和注意力矩阵。annot=True 可直接写入数值，适合教学与报告。center 与 cmap 联动决定颜色语义，应统一标准。
重点方法
python
sns.heatmap(data, *, annot=None, fmt='.2g', cmap=None, center=None,
vmin=None, vmax=None, ax=None)参数
| 参数名 | 类型 | 说明 | 示例取值 |
|---|---|---|---|
data | array_like | 输入二维矩阵 | np.random.rand(10, 10) |
annot | bool | 是否标注格子数值，默认为 None | True |
fmt | str | 数值显示格式，默认为 ".2g" | ".2f" |
cmap | str | 颜色映射 | "YlOrRd" |
center | float | 颜色中心值——发散色图用 | 0 |
vmin / vmax | float | 颜色范围上下限 | 0, 1 |
ax | Axes | 目标坐标轴 | ax |
示例代码
python
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
np.random.seed(42)
data = np.random.rand(10, 10)
fig, ax = plt.subplots(figsize=(8, 6))
sns.heatmap(data, annot=True, fmt=".2f", cmap="YlOrRd", ax=ax)
ax.set_title("Heatmap")
plt.close()输出
text
控制台提示: 图表已保存到 outputs/visualization/03_heatmap.png
10x10 数值矩阵被映射为颜色强度
理解重点
- 颜色深浅应与数值大小保持单调关系
- 强调比较时建议固定统一的
vmin/vmax - 相关性矩阵用
center=0的发散色图（如coolwarm）更合适
5. 配对图
sns.pairplot
作用
pairplot 可以一次查看多变量两两关系与单变量分布。hue 可以在同一图中区分类别，有助于发现可分性。对高维数据应先选特征子集，避免图过于拥挤。
重点方法
python
sns.pairplot(data, *, hue=None, vars=None, height=2.5, diag_kind='auto')参数
| 参数名 | 类型 | 说明 | 示例取值 |
|---|---|---|---|
data | DataFrame | 输入数据 | sns.load_dataset("iris") |
hue | str | 分类上色字段 | "species" |
vars | list[str] | 指定要展示的列子集 | ["sepal_length", "petal_length"] |
height | float | 每个子图边长（英寸），默认为 2.5 | 2 |
diag_kind | str | 对角图类型："auto" / "hist" / "kde" | "auto" |
示例代码
python
import matplotlib.pyplot as plt
import seaborn as sns
iris = sns.load_dataset("iris")
g = sns.pairplot(iris, hue="species", height=2)
g.fig.suptitle("Pair Plot of Iris", y=1.02)
# pairplot 返回 PairGrid，需特殊处理保存
import matplotlib.pyplot as plt
plt.close()输出
text
控制台提示: 图表已保存到 outputs/visualization/03_pairplot.png
多特征成对散点图与对角分布图
理解重点
pairplot常用于建模前特征筛查与类别可分性判断- 高维场景建议先做降维或特征筛选后再绘制
- 对角线上为单变量分布（直方图或 KDE），非对角为两两散点图
常见坑
- 未设置
sns.set_theme导致默认样式不一致 pairplot在高维数据上生成过多子图——先用vars筛选- 热力图
fmt与数据精度不匹配导致标注重叠
小结
- Seaborn 是 Matplotlib 的高级封装——先 seaborn 快速出图，再 matplotlib 精调
- 分类图用
barplot+boxplot配对，分布图用histplot+kdeplot配对 pairplot是特征探索利器——能在一张图中看到所有两两关系- 热力图最适合展示矩阵结构——尤其是相关矩阵和混淆矩阵