跳到主要内容

Seaborn 统计可视化

学习目标​

  • 理解 Seaborn 与 Matplotlib 的关系
  • 掌握分布图、关系图、分类图
  • 学会绘制热力图与相关性矩阵
  • 使用 FacetGrid 进行分面绑图

Seaborn 是什么？​

如果把 Matplotlib 比作画笔和颜料，那 Seaborn 就是画笔套装 + 调色板 + 模板。

对比MatplotlibSeaborn
定位底层绑图库高级统计绘图库
代码量多，需要手动设置少，开箱即用
默认美观度一般非常美观
数据格式数组、列表直接用 DataFrame
统计功能需要手动计算自动计算均值、置信区间等
定制能力极强中等（可借助 Matplotlib 补充）

一句话总结： Seaborn 让你用 1 行代码画出 Matplotlib 需要 10 行才能完成的美观统计图。

安装与导入​

# 安装
# pip install seaborn

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

# Seaborn 自带的示例数据集
tips = sns.load_dataset("tips")      # 餐厅小费数据
iris = sns.load_dataset("iris")      # 鸢尾花数据
titanic = sns.load_dataset("titanic")  # 泰坦尼克号数据

# 设置全局风格
sns.set_theme(style="whitegrid")     # 白底网格，清爽好看

常用风格一览​

风格说明适合场景
"whitegrid"白底 + 网格数值对比（推荐默认）
"darkgrid"灰底 + 网格强调数据点
"white"纯白底论文、报告
"dark"灰底艺术风格
"ticks"白底 + 刻度线简洁专业

分布图：数据长什么样？​

分布图帮你回答：这组数据的值集中在哪里？分散程度如何？是否有偏斜？

histplot：直方图​

fig, axes = plt.subplots(1, 3, figsize=(15, 4))

# 基本直方图
sns.histplot(data=tips, x="total_bill", ax=axes[0])
axes[0].set_title("基本直方图")

# 添加密度曲线
sns.histplot(data=tips, x="total_bill", kde=True, ax=axes[1])
axes[1].set_title("直方图 + 密度曲线")

# 按类别分颜色
sns.histplot(data=tips, x="total_bill", hue="time", kde=True, ax=axes[2])
axes[2].set_title("按用餐时间分组")

plt.tight_layout()
plt.show()

kdeplot：核密度估计​

fig, axes = plt.subplots(1, 2, figsize=(12, 4))

# 一维密度
sns.kdeplot(data=tips, x="total_bill", hue="sex", fill=True, ax=axes[0])
axes[0].set_title("消费金额密度分布")

# 二维密度（等高线）
sns.kdeplot(data=tips, x="total_bill", y="tip", fill=True, cmap="Blues", ax=axes[1])
axes[1].set_title("消费 vs 小费 联合密度")

plt.tight_layout()
plt.show()
什么是 KDE？

KDE（核密度估计）可以理解为"平滑版的直方图"。它用一条连续的曲线来估计数据的概率密度，比直方图更平滑、更容易对比。

rugplot：地毯图​

fig, ax = plt.subplots(figsize=(8, 4))
sns.kdeplot(data=tips, x="total_bill", fill=True, ax=ax)
sns.rugplot(data=tips, x="total_bill", ax=ax, alpha=0.5)
ax.set_title("密度曲线 + 地毯图（每条线代表一个数据点）")
plt.show()

关系图：变量之间有什么关系？​

scatterplot：散点图​

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 基本散点图，用颜色区分类别
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time", ax=axes[0])
axes[0].set_title("消费 vs 小费")

# 用大小和颜色同时表示信息
sns.scatterplot(data=tips, x="total_bill", y="tip",
                hue="day", size="size", sizes=(20, 200), ax=axes[1])
axes[1].set_title("多维度散点图")

plt.tight_layout()
plt.show()

lineplot：折线图（带置信区间）​

# 模拟实验数据：每个 x 有多个 y 值
np.random.seed(42)
data = pd.DataFrame({
    "step": np.tile(np.arange(1, 51), 10),
    "accuracy": np.tile(np.linspace(0.5, 0.95, 50), 10) + np.random.normal(0, 0.03, 500),
    "model": np.repeat(["模型 A", "模型 B"], 250)
})

fig, ax = plt.subplots(figsize=(10, 5))
sns.lineplot(data=data, x="step", y="accuracy", hue="model", ax=ax)
ax.set_title("模型训练准确率变化（阴影 = 95% 置信区间）")
plt.show()
Seaborn 的自动统计

当同一个 x 值对应多个 y 值时，lineplot 会自动计算均值和 95% 置信区间。这在展示实验结果时非常有用！

pairplot：变量两两关系一览​

# 鸢尾花数据集的所有变量关系
sns.pairplot(iris, hue="species", diag_kind="kde", corner=True)
plt.suptitle("鸢尾花数据集特征关系", y=1.02)
plt.show()

pairplot 一行代码就能展示所有变量之间的关系，是数据探索阶段的利器。

分类图：不同组有何差异？​

分类图是 Seaborn 的强项，帮你比较不同类别之间的数据分布和统计量。

boxplot：箱线图​

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 基本箱线图
sns.boxplot(data=tips, x="day", y="total_bill", ax=axes[0])
axes[0].set_title("各日消费分布")

# 用颜色区分子类
sns.boxplot(data=tips, x="day", y="total_bill", hue="sex", ax=axes[1])
axes[1].set_title("各日消费分布（按性别）")

plt.tight_layout()
plt.show()
如何看箱线图
          最大值（上须）
            │
    ┌───────┤
    │  上四分位(Q3) ─── 75% 的数据在此以下
    │       │
    │  中位数(Q2) ──── 50% 分位
    │       │
    │  下四分位(Q1) ─── 25% 的数据在此以下
    └───────┤
            │
          最小值（下须）

    ●       异常值（超出须线的点）

箱体越高，数据越分散；中线越靠上，数据整体越大。

violinplot：小提琴图​

fig, ax = plt.subplots(figsize=(10, 5))

sns.violinplot(data=tips, x="day", y="total_bill", hue="sex",
               split=True, inner="quart", ax=ax)
ax.set_title("各日消费分布（小提琴图，左女右男）")

plt.show()

小提琴图 = 箱线图 + 密度分布，比箱线图能看到更多分布形状。

barplot：均值柱状图（带误差线）​

fig, ax = plt.subplots(figsize=(8, 5))

sns.barplot(data=tips, x="day", y="total_bill", hue="sex",
            ci=95, ax=ax)  # ci=95 表示 95% 置信区间
ax.set_title("各日平均消费（误差线 = 95% 置信区间）")

plt.show()
barplot 的误差线

Seaborn 的 barplot 默认会在每个柱子上加误差线（bootstrap 置信区间）。这不是标准差！如果想用标准差，设置 ci="sd"。

countplot：计数图​

fig, axes = plt.subplots(1, 2, figsize=(12, 4))

# 简单计数
sns.countplot(data=tips, x="day", order=["Thur", "Fri", "Sat", "Sun"], ax=axes[0])
axes[0].set_title("各天就餐人次")

# 分组计数
sns.countplot(data=titanic, x="class", hue="survived", ax=axes[1])
axes[1].set_title("各舱位生存情况")

plt.tight_layout()
plt.show()

热力图（Heatmap）​

热力图用颜色深浅表示数值大小，最常用于相关性矩阵。

绘制相关性矩阵​

# 计算数值列的相关系数
# 选取 tips 中的数值列
numeric_cols = tips.select_dtypes(include="number")
corr = numeric_cols.corr()

fig, ax = plt.subplots(figsize=(8, 6))
sns.heatmap(corr, annot=True, fmt=".2f", cmap="RdBu_r",
            center=0, vmin=-1, vmax=1,
            square=True, linewidths=0.5, ax=ax)
ax.set_title("小费数据集相关性矩阵")
plt.tight_layout()
plt.show()

关键参数：

参数作用常用值
annot显示数值True
fmt数值格式".2f" 两位小数
cmap颜色映射"RdBu_r" 红蓝反转
center颜色中心值0（相关系数）
square正方形格子True

自定义热力图​

# 交叉表热力图（比如各天各时段的平均消费）
pivot = tips.pivot_table(values="total_bill", index="day", columns="time", aggfunc="mean")

fig, ax = plt.subplots(figsize=(6, 4))
sns.heatmap(pivot, annot=True, fmt=".1f", cmap="YlOrRd",
            linewidths=1, ax=ax)
ax.set_title("各天各时段平均消费")
plt.show()

FacetGrid：分面绑图​

当你想按某个变量把图表拆成多个子图时，用 FacetGrid。

# 按用餐时间分面，展示消费与小费的关系
g = sns.FacetGrid(tips, col="time", row="sex", hue="smoker",
                  height=4, aspect=1.2)
g.map_dataframe(sns.scatterplot, x="total_bill", y="tip")
g.add_legend()
g.fig.suptitle("按时间和性别分面的消费-小费关系", y=1.02)
plt.show()

更多分面示例​

# 按星期分面的直方图
g = sns.FacetGrid(tips, col="day", col_wrap=2, height=3)
g.map_dataframe(sns.histplot, x="total_bill", kde=True)
g.set_titles("星期: {col_name}")
g.fig.suptitle("各日消费分布", y=1.02)
plt.show()
参数作用
col按此变量分列
row按此变量分行
hue按此变量分颜色
col_wrap每行最多几列（自动换行）
height每个子图高度
aspect宽高比

Seaborn 常用图表速查​

小结​

需求函数说明
查看分布histplot / kdeplot直方图 / 密度曲线
两变量关系scatterplot / lineplot散点图 / 折线图
所有变量关系pairplot一键矩阵图
类别间对比boxplot / violinplot / barplot分布 / 均值
类别计数countplot柱状图
数值矩阵heatmap热力图
分面展示FacetGrid多子图

核心优势： 一行代码就能画出美观且含统计信息的图表，直接传入 DataFrame 即可。

动手练习​

练习 1：探索数据分布​

# 加载 tips 数据集
# 1. 用 histplot 画出 tip（小费）的分布，按 time 分颜色
# 2. 用 kdeplot 画出 total_bill 的密度曲线，按 sex 分组

练习 2：分类比较​

# 加载 titanic 数据集
# 1. 用 boxplot 比较各舱位 (class) 的年龄 (age) 分布
# 2. 用 countplot 展示各舱位的生存人数

练习 3：相关性分析​

# 加载 iris 数据集
# 1. 计算数值列的相关系数矩阵
# 2. 用 heatmap 可视化，添加数值标注
# 3. 用 pairplot 查看所有变量关系

练习 4：分面绑图​

# 使用 tips 数据集
# 用 FacetGrid 按 day 分面，画出 total_bill 和 tip 的散点图
# 用颜色区分 sex