#!/usr/bin/env python
# coding: utf-8

# #<center>Python统计可视化库Seaborn<center>

# <center>易红发 yihongfa@yeah.net</center>

# 　　大家都知道Python中有一个强大的可视化库matplotlib，其中matplotlib.pyplot也是针对统计可视化，可问题在于matplotlib太过繁复，这里推荐另一个统计可视化库Seaborn，只需简单的几行代码，就可以画出相当漂亮的统计图。  
# 　　另外，如果需要制作交互式图表，Python中我推荐[bokeh库](http://nbviewer.jupyter.org/github/bokeh/bokeh-notebooks/blob/master/quickstart/quickstart.ipynb)  
# 　　注：本分享可直接下载，然后用IPython notebook（现在叫jupyter）运行。

# #可视化连续数据集

# In[1]:


get_ipython().run_line_magic('matplotlib', 'inline')


# In[2]:


import numpy as np
import pandas as pd
from scipy import stats, integrate
import matplotlib.pyplot as plt


# In[3]:


import seaborn as sns
sns.set(color_codes=True)


# In[4]:


np.random.seed(sum(map(ord, "distributions")))


# ##<ul><li>可视化单变量</ul>

# In[8]:


x = np.random.normal(size=100)
sns.distplot(x)#默认增加趋势线


# In[9]:


sns.distplot(x, kde=False, rug=True)#删除趋势线，增加地毯图


# In[10]:


sns.distplot(x, bins=20, kde=False, rug=True)#将箱数设置为20


# In[11]:


sns.distplot(x, hist=False, rug=True)#要趋势线，不要直方图


# In[13]:


sns.kdeplot(x, shade=True)#也可以直接使用线图


# 一个新的参数 bw（banwidth）类似于直方图里面的箱数

# In[15]:


sns.kdeplot(x)
sns.kdeplot(x, bw=.2, label="bw:0.2")
sns.kdeplot(x, bw=2, label="bw:2")
plt.legend()


# In[20]:


sns.kdeplot(x, shade=True, cut=0)#删除极端值
sns.rugplot(x)


# ##<ul><li>可视化双变量

# In[23]:


mean, cov = [0, 1], [(1, .5), (.5, 1)]
data = np.random.multivariate_normal(mean, cov, 200)
df = pd.DataFrame(data, columns=["x", "y"])


# In[25]:


sns.jointplot(x="x", y="y", data=df)#默认散点图


# In[26]:


x, y = np.random.multivariate_normal(mean, cov, 1000).T
with sns.axes_style("white"):
    sns.jointplot(x=x, y=y, kind="hex", color="k")#六边分图


# In[27]:


sns.jointplot(x="x", y="y", data=df, kind="kde")


# In[28]:


f, ax = plt.subplots(figsize=(6, 6))
sns.kdeplot(df.x, df.y, ax=ax)#通过kdeplot画图
sns.rugplot(df.x, color="g", ax=ax)
sns.rugplot(df.y, vertical=True, ax=ax);


# ##<ul><li>可视化多对关系

# In[6]:


iris = sns.load_dataset("iris")
sns.pairplot(iris)


# In[ ]:





# #可视化线性关系

# In[7]:


np.random.seed(sum(map(ord, "regression")))


# In[8]:


tips = sns.load_dataset('tips')


# ##<ul><li>绘制函数

# regplot()和lmplot()两个函数，前一个接受各种数据输入，后一种更为严格

# In[10]:


sns.regplot(x="total_bill", y="tip", data=tips)


# In[14]:


sns.lmplot(x="total_bill", y="tip", data=tips)


# 有时候数据集所产生的散点图并不是最优的

# In[15]:


sns.lmplot(x='size', y='tip', data=tips)


# 改进的方法，一种是增加一些随机噪音('jitter')

# In[16]:


sns.lmplot(x='size', y='tip', data=tips, x_jitter=.05)


# 另一种方法是根据每个离散值的中心，以绘制趋势

# In[17]:


sns.lmplot(x='size', y='tip', data=tips, x_estimator=np.mean)


# ##<ul><li>适应各种模型

# In[18]:


anscombe = sns.load_dataset('anscombe')


# In[21]:


sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'I'"),
           ci=None, scatter_kws={"s": 80})


# 上图是合适的，然而下图却不是合适模型

# In[22]:


sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'II'"),
           ci=None, scatter_kws={"s": 80})


# 此时，非线性模型更为合适，这里用二次模型

# In[23]:


sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'II'"),
           order=2, ci=None, scatter_kws={"s": 80})


# 另外一个问题是离群值的影响

# In[24]:


sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'III'"),
           ci=None, scatter_kws={"s": 80})


# 为了排除离群值的影响，我们可以拟合一种更为robust的模型

# In[25]:


sns.lmplot(x="x", y="y", data=anscombe.query("dataset == 'III'"),
           robust=True, ci=None, scatter_kws={"s": 80})


# 当因变量为0-1变量是，线性回归仍然有效，但有些预测值并不合理

# In[26]:


tips["big_tip"] = (tips.tip / tips.total_bill) > .15
sns.lmplot(x="total_bill", y="big_tip", data=tips,
           y_jitter=.03)


# 此时，最好拟合logistic模型

# In[27]:


sns.lmplot(x="total_bill", y="big_tip", data=tips,
           logistic=True, y_jitter=.03)


# ##<ul><li>在其他变量的条件下

# 此时，最为简单的方法就是用不同颜色表示

# In[28]:


sns.lmplot(x="total_bill", y="tip", hue="smoker", data=tips)


# 除了改变颜色，还可以改变点的标记

# In[31]:


sns.lmplot(x="total_bill", y="tip", hue="smoker", data=tips,
           markers=["o", "x"], palette="Set1")


# 要再增加其他变量，可以画多个图

# In[32]:


sns.lmplot(x="total_bill", y="tip", hue="smoker", col="time", data=tips)


# In[33]:


sns.lmplot(x="total_bill", y="tip", hue="smoker",
           col="time", row="sex", data=tips)


# ##<ul><li>控制图片大小和格式

# In[37]:


f, ax = plt.subplots(figsize=(5,6))
sns.regplot(x="total_bill", y="tip", data=tips, ax=ax)


# 在lmplot()中，用size和aspect控制

# In[38]:


sns.lmplot(x="total_bill", y="tip", col="day", data=tips,
           col_wrap=2, size=3)


# In[47]:


sns.lmplot(x="total_bill", y="tip", col="day", data=tips,
           aspect=0.5)


# ##<ul><li>用其他方法绘制回归图

# 用jointplot()

# In[49]:


sns.jointplot(x="total_bill", y="tip", data=tips, kind="reg", size=10)


# 用pairplot()

# In[50]:


sns.pairplot(tips, x_vars=["total_bill", "size"], y_vars=["tip"],
             size=5, aspect=.8, kind="reg")


# In[56]:


sns.pairplot(tips, x_vars=["total_bill", "size"], y_vars=["tip"],
             hue="smoker",markers=["o", "x"], palette="Set2",
             size=5, aspect=.8, kind="reg")


# In[ ]:





# #分类数据画图

# In[4]:


np.random.seed(sum(map(ord, "categorical")))


# In[5]:


tips = sns.load_dataset("tips")
iris = sns.load_dataset("iris")


# In[6]:


titanic = sns.load_dataset("titanic")


# ##<ul><li>分类变量与连续变量

# ###<ul><ul><li>stripplot()

# In[63]:


sns.stripplot(x="day", y="total_bill", data=tips)


# 在其他变量的条件下

# In[64]:


sns.stripplot(x="day", y="total_bill", hue="time", data=tips)


# 转换坐标轴

# In[65]:


sns.stripplot(x="total_bill", y="day", hue="time", data=tips)


# ###<ul><ul><li>boxplot()

# In[66]:


sns.boxplot(x="day", y="total_bill", hue="time", data=tips)


# ###<ul><ul><li>violinplot()

# 箱型图+核密度

# In[67]:


sns.violinplot(x="total_bill", y="day", hue="time", data=tips)


# 改变核密度的变化细分，相当于改变箱数

# In[77]:


sns.violinplot(x="total_bill", y="day", hue="time", data=tips,
               bw=.1, scale="count", scale_hue=False)


# 当每个箱都有且只有两个水平时，可以使用拆分split

# In[78]:


sns.violinplot(x="day", y="total_bill", hue="sex", data=tips, split=True)


# 如果想看细分的数据，可以用inner

# In[82]:


sns.violinplot(x="day", y="total_bill", hue="sex", data=tips,
               split=True, inner="stick", palette="Set3")


# 综合提琴图和带图

# In[85]:


sns.violinplot(x="day", y="total_bill", data=tips, inner=None)
sns.stripplot(x="day", y="total_bill", data=tips, jitter=True, size=4)


# ##<ul><li>分类变量与分类变量

# ###<ul><ul><li>barplot()

# In[9]:


sns.barplot(x="sex", y="survived", hue="class", data=titanic)


# ###<ul><ul><li>countplot()

# In[16]:


sns.countplot(x="deck", data=titanic, palette="Blues_d")


# In[17]:


sns.countplot(y="deck", hue="class", data=titanic, palette="Greens_d")


# ###<ul><ul><li>pointplot()

# In[18]:


sns.pointplot(x="sex", y="survived", hue="class", data=titanic)


# In[19]:


sns.pointplot(x="class", y="survived", hue="sex", data=titanic,
              palette={"male": "g", "female": "m"},
              markers=["^", "o"], linestyles=["-", "--"])