跳到主要内容

Seaborn 统计可视化

问题​

Seaborn 相比 Matplotlib 有什么优势？如何用 Seaborn 做统计可视化和 EDA？

答案​

Seaborn vs Matplotlib​

维度MatplotlibSeaborn
定位通用绑图库统计可视化库
默认样式朴素美观
数据输入数组DataFrame 列名
统计功能无自动计算均值、CI
分面支持需手动FacetGrid
学习曲线陡平
一句话总结

Seaborn = Matplotlib + 更好的默认样式 + 统计计算 + DataFrame 友好

分布图​

分布可视化
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

np.random.seed(42)
df = pd.DataFrame({
    'age': np.concatenate([np.random.normal(28, 5, 500),
                           np.random.normal(35, 8, 500)]),
    'group': ['新用户'] * 500 + ['老用户'] * 500,
    'spend': np.random.lognormal(4, 1, 1000)
})

fig, axes = plt.subplots(1, 3, figsize=(15, 5))

# 1. 直方图 + KDE
sns.histplot(data=df, x='age', hue='group', kde=True, ax=axes[0])
axes[0].set_title('年龄分布')

# 2. 箱线图
sns.boxplot(data=df, x='group', y='spend', ax=axes[1])
axes[1].set_title('消费分布')

# 3. 小提琴图（箱线图 + 密度图）
sns.violinplot(data=df, x='group', y='age', inner='quartile', ax=axes[2])
axes[2].set_title('年龄分布（小提琴图）')

plt.tight_layout()
plt.show()

关系图​

关系可视化
import seaborn as sns
import matplotlib.pyplot as plt

# 使用内置数据集
tips = sns.load_dataset('tips')

fig, axes = plt.subplots(1, 3, figsize=(15, 5))

# 1. 散点图 + 回归线
sns.regplot(data=tips, x='total_bill', y='tip', ax=axes[0],
            scatter_kws={'alpha': 0.5})
axes[0].set_title('账单金额 vs 小费')

# 2. 分组散点图
sns.scatterplot(data=tips, x='total_bill', y='tip',
                hue='time', style='smoker', ax=axes[1])
axes[1].set_title('按时间和吸烟状态分组')

# 3. 热力图（相关系数矩阵）
corr = tips[['total_bill', 'tip', 'size']].corr()
sns.heatmap(corr, annot=True, cmap='RdBu_r', center=0,
            vmin=-1, vmax=1, ax=axes[2])
axes[2].set_title('相关系数矩阵')

plt.tight_layout()
plt.show()

分类对比图​

分类数据可视化
import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

fig, axes = plt.subplots(1, 3, figsize=(15, 5))

# 1. 柱状图（自动计算均值 + CI）
sns.barplot(data=tips, x='day', y='total_bill', hue='sex',
            errorbar='ci', ax=axes[0])
axes[0].set_title('各天平均账单')

# 2. 计数图
sns.countplot(data=tips, x='day', hue='time', ax=axes[1])
axes[1].set_title('各天就餐人数')

# 3. 带状图（看每个数据点）
sns.stripplot(data=tips, x='day', y='total_bill', hue='time',
              dodge=True, alpha=0.5, ax=axes[2])
axes[2].set_title('各天账单详情')

plt.tight_layout()
plt.show()

FacetGrid 分面图​

分面图——按维度拆分
import seaborn as sns

tips = sns.load_dataset('tips')

# 按 time(行) × smoker(列) 创建分面网格
g = sns.FacetGrid(tips, row='time', col='smoker',
                  height=4, aspect=1.2)
g.map_dataframe(sns.scatterplot, x='total_bill', y='tip')
g.add_legend()
g.set_titles(row_template='{row_name}', col_template='{col_name}')
plt.show()

# 更简洁的写法：relplot / catplot / displot
sns.relplot(
    data=tips,
    x='total_bill', y='tip',
    col='time', row='smoker',
    kind='scatter', height=4
)
plt.show()

主题与调色板​

Seaborn 主题设置
import seaborn as sns

# 内置主题：darkgrid, whitegrid, dark, white, ticks
sns.set_theme(style='whitegrid', font_scale=1.2)

# 调色板
# 定性：'Set2', 'Paired', 'tab10'
# 连续：'Blues', 'viridis', 'YlOrRd'
# 发散：'RdBu', 'coolwarm'

sns.set_palette('Set2')

# 自定义调色板
custom = ['#2196F3', '#4CAF50', '#FF9800', '#F44336']
sns.set_palette(custom)

常见面试问题​

Q1: EDA 阶段通常画哪些图？​

答案（标准 EDA 流程）：

  1. 分布：histplot / kdeplot 查看各数值列分布（是否偏态、有无异常值）
  2. 相关性：heatmap 相关系数矩阵，快速发现变量关系
  3. 分组对比：boxplot / barplot 按分类维度对比数值
  4. 缺失值：heatmap 缺失值矩阵（msno 库）
  5. 散点图：重要变量对之间的 scatterplot

Q2: 箱线图怎么看？​

答案：

  • 中位线：中间的横线 = 中位数（Q2）
  • 箱体：Q1（25%）到 Q3（75%），箱体宽度 = IQR
  • 须线：延伸到 Q1-1.5×IQR 和 Q3+1.5×IQR 范围内
  • 离群点：超出须线的点 = 异常值
  • 比较多组箱线图时关注：中位数差异、分布宽窄、异常值多少

Q3: 什么时候用小提琴图替代箱线图？​

答案：

  • 箱线图：简洁，看中位数和四分位数够用
  • 小提琴图：能看到完整的分布形状（双峰、偏态等）
  • 数据有多峰分布时小提琴图信息更丰富
  • 汇报给非技术人员时箱线图更易理解

相关链接​