seaborn

Seaborn - 统计数据可视化

Seaborn 通过精美且信息丰富的统计图，帮助你探索和理解数据。它可以自动完成计算置信区间、汇总数据和创建分面网格等复杂任务。

适用场景

• 可视化多个变量之间的复杂关系（relplot）
• 检查单变量和双变量分布（displot、kdeplot）
• 使用统计汇总值比较类别（catplot、boxplot、violinplot）
• 可视化线性回归模型及其不确定性（regplot、lmplot）
• 为大型矩阵创建热力图和聚类图
• 根据数据子集构建多图网格（FacetGrid）
• 为 Matplotlib 图形设置高级美学主题

参考文档

官方文档：https://seaborn.pydata.org/
示例集：https://seaborn.pydata.org/examples/index.html
搜索模式：sns.load_dataset、sns.relplot、sns.catplot、sns.set_theme、sns.heatmap

核心原则

Figure 级函数与 Axes 级函数

函数类型	示例	主要特点
Figure 级	relplot、displot、catplot	创建自己的图形（FacetGrid）。适合子图（col、row）。
Axes 级	scatterplot、histplot、boxplot	绘制到特定的 ax 上。适合与 Matplotlib 布局集成。

适合使用 Seaborn 的场景

• 统计分析和探索性数据研究（EDA）。
• 直接使用“整洁”（长格式）的 Pandas DataFrame。
• 自动计算 95% 置信区间（误差线）。
• 快速更换视觉主题和调色板。

不适合使用 Seaborn 的场景

• 非常底层的自定义图形（使用 Matplotlib）。
• 交互式 Web 可视化（使用 Plotly）。
• 3D 绘图（使用 Matplotlib mplot3d 或 PyVista）。
• 网络图（使用 NetworkX 和 Matplotlib）。

快速参考

安装

pip install seaborn

标准导入

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# Apply the default theme
sns.set_theme()

基本模式 - 整洁数据映射

import seaborn as sns

# Load an example dataset
tips = sns.load_dataset("tips")

# Create a scatter plot with semantic mapping
sns.relplot(
    data=tips,
    x="total_bill", y="tip", 
    hue="smoker", style="time", size="size",
)
plt.show()

关键规则

✅ 应该做

• 使用整洁数据 - 确保 DataFrame 采用“长格式”（每条观测占一行）。
• 优先使用 Figure 级函数 - 使用 relplot/displot/catplot，以获得更好的默认布局和分面效果。
• 使用 data= 参数 - 始终传入 DataFrame，让代码保持简洁。
• 设置主题 - 在脚本开头使用 sns.set_theme(style="whitegrid", palette="muted")。
• 利用 hue - 使用语义颜色映射，为 2D 图添加额外维度。
• 注意使用场景 - 发布时使用 sns.set_context("paper")，演示时使用 "talk"。

❌ 不应该做

• 手动传入一维数组 - 避免使用 sns.plot(x_array, y_array)；这样会忽略 Pandas 集成的优势。
• 忽略索引 - 与 Matplotlib 不同，Seaborn 基本会忽略 DataFrame 索引（请改用列）。
• 让图表过于拥挤 - 过多的语义映射（hue、size、style）会使图表难以辨读。
• 忘记 Matplotlib - 请记住，Seaborn 函数会返回 Matplotlib 对象；使用 ax.set_title() 进行调整。

反模式（绝对不要）

import seaborn as sns
import matplotlib.pyplot as plt

# ❌ BAD: Iterating through groups to plot manually
for s in df['species'].unique():
    subset = df[df['species'] == s]
    plt.scatter(subset['x'], subset['y'], label=s)

# ✅ GOOD: Let Seaborn handle grouping and legend
sns.scatterplot(data=df, x='x', y='y', hue='species')

# ❌ BAD: Mixing Seaborn and Matplotlib titles incorrectly
sns.displot(data=df, x='val')
plt.title("My Title") # ⚠️ Might apply to the wrong axis in a FacetGrid!

# ✅ GOOD: Use the returned object
g = sns.displot(data=df, x='val')
g.set_axis_labels("Value", "Count")
g.figure.suptitle("Correct Global Title", y=1.05)

关系图（relplot）

散点图和折线图

# Multi-faceted scatter plot
sns.relplot(
    data=tips, x="total_bill", y="tip",
    col="time", hue="day", style="sex",
    kind="scatter"
)

# Line plot with automatic aggregation (mean + 95% CI)
fmri = sns.load_dataset("fmri")
sns.relplot(
    data=fmri, x="timepoint", y="signal",
    hue="event", style="region",
    kind="line", errorbar="sd" # "sd" for standard deviation instead of CI
)

分布图（displot）

直方图和 KDE

penguins = sns.load_dataset("penguins")

# Histogram with Kernel Density Estimate
sns.displot(data=penguins, x="flipper_length_mm", hue="species", kde=True)

# Bivariate distribution (Heatmap style)
sns.displot(data=penguins, x="bill_length_mm", y="bill_depth_mm", hue="species", kind="kde")

# Empirical Cumulative Distribution (ECDF)
sns.displot(data=penguins, x="flipper_length_mm", hue="species", kind="ecdf")

分类图（catplot）

类别内的比较和分布

# Boxplot (Show quartiles and outliers)
sns.catplot(data=tips, x="day", y="total_bill", kind="box")

# Violin plot (Show density and quartiles)
sns.catplot(data=tips, x="day", y="total_bill", hue="sex", kind="violin", split=True)

# Swarm plot (Show every point without overlap)
sns.catplot(data=tips, x="day", y="total_bill", kind="swarm")

# Bar plot (Show mean and error bars)
sns.catplot(data=tips, x="day", y="total_bill", kind="bar", errorbar=("pi", 95))

回归图

可视化线性趋势

# Simple regression with scatter
sns.regplot(data=tips, x="total_bill", y="tip")

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

# Logistic regression (for binary data)
sns.lmplot(data=df, x="variable", y="binary_outcome", logistic=True)

矩阵图

热力图和聚类

flights = sns.load_dataset("flights").pivot(index="month", columns="year", values="passengers")

# Heatmap
plt.figure(figsize=(10, 8))
sns.heatmap(flights, annot=True, fmt="d", cmap="YlGnBu")

# Cluster map (Hierarchical clustering)
sns.clustermap(flights, standard_scale=1, cmap="mako")

网格对象（高级）

自定义多图布局

# JointPlot (Scatter + Marginals)
sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", hue="species", kind="kde")

# PairPlot (All-against-all relations)
sns.pairplot(data=penguins, hue="species", corner=True)

# Custom FacetGrid
g = sns.FacetGrid(tips, col="time",  row="sex")
g.map(sns.scatterplot, "total_bill", "tip")

样式和美学

主题和调色板

# Set overall look
sns.set_style("darkgrid") # white, dark, whitegrid, ticks
sns.set_context("talk")   # paper, notebook, talk, poster

# Custom palettes
sns.set_palette("husl") # Set global palette
my_pal = sns.color_palette("rocket", as_cmap=True) # Get palette as object

# Viewing a palette
sns.palplot(sns.color_palette("Set2"))

实用工作流

1. 探索性数据分析（EDA）流程

def initial_eda(df, target_col):
    """Generate basic visual summary of a dataset."""
    # 1. Distribution of target
    sns.displot(data=df, x=target_col, kde=True)
    
    # 2. Pairwise relations of numeric features
    sns.pairplot(data=df, hue=target_col if df[target_col].nunique() < 10 else None)
    
    # 3. Correlation heatmap
    plt.figure(figsize=(12, 10))
    sns.heatmap(df.corr(numeric_only=True), annot=True, cmap='coolwarm', fmt=".2f")

# initial_eda(iris, "species")

2. 科学结果比较

def plot_experiment_results(df):
    """Plot results of an experiment with multiple conditions."""
    g = sns.catplot(
        data=df, kind="bar",
        x="condition", y="metric", hue="group",
        palette="viridis", alpha=.6, height=6
    )
    g.despine(left=True)
    g.set_axis_labels("Experimental Condition", "Accuracy (%)")
    g.legend.set_title("User Group")
    return g

3. 按类别查看时间序列趋势

def plot_trends(df, time_col, val_col, cat_col):
    """Visualizes trends over time with confidence intervals."""
    plt.figure(figsize=(12, 6))
    sns.lineplot(
        data=df, x=time_col, y=val_col, hue=cat_col,
        marker="o", err_style="bars"
    )
    plt.xticks(rotation=45)
    plt.tight_layout()

常见问题与解决方案

将图例放在图表外

# ❌ Problem: Legend covers data in narrow plots
# ✅ Solution: Move legend manually using Matplotlib logic
g = sns.scatterplot(data=tips, x="total_bill", y="tip", hue="day")
sns.move_legend(g, "upper left", bbox_to_anchor=(1, 1))

大型数据导致性能缓慢

# ❌ Problem: sns.pairplot(large_df) hangs
# ✅ Solution: Sample data or use simpler plots
sns.pairplot(df.sample(1000), hue='category') 
# OR use hist instead of scatter
sns.jointplot(data=df, x='x', y='y', kind="hist")

标签重叠

# ❌ Problem: Categorical labels on X-axis overlap
# ✅ Solution: Rotate labels using Matplotlib
g = sns.boxplot(data=df, x='very_long_category_name', y='value')
g.set_xticklabels(g.get_xticklabels(), rotation=45, horizontalalignment='right')

最佳实践

1. 使用整洁的数据格式 - 确保 DataFrame 为长格式（每行对应一个观测值）
2. 优先使用图形级函数 - 使用 relplot、displot 和 catplot，以获得更好的默认布局和分面效果
3. 始终使用 data= 参数 - 直接传入 DataFrame，让代码更简洁易读
4. 尽早设置主题 - 在脚本开头使用 sns.set_theme()，确保样式一致
5. 善用语义映射 - 使用 hue、size 和 style 为图表添加维度
6. 选择合适的上下文 - 发表论文时使用 sns.set_context("paper")，演示时使用 "talk"
7. 记住 Seaborn 返回的是 Matplotlib 对象 - 使用 ax.set_title() 等 Matplotlib 方法进行微调
8. 避免图表过于拥挤 - 限制语义映射的数量，以保持可读性
9. 使用图形级函数进行分面 - 它们会自动处理子图布局
10. 对大型数据集进行采样 - 绘图前使用 df.sample()，以提升处理大型数据时的性能

Seaborn 提供了高级抽象，让统计可视化变得轻松愉悦，只需付出极少努力即可生成精美、达到出版质量的图形。