seaborn
記事
簡単な使い方
https://gyazo.com/97e07b335bfaa9d92f01a8612496dcdd
基本的に一番上のやつだけ使って kind= で指定
relplot / displot / catplot
どれも kind= でグラフの種類 & col= で横に並べられる
data, x, y, col, hue はよく指定する
col, row, hue の3つの軸で分けつつ複数グラフ同時に書ける
数値同士の関係見るなら relplot
カテゴリと値なら catplot
分布を見るなら displot
1行の各列の値ごとにヒストグラムにしたいことが多いので melt で縦持ちに整える → 縦持ち横持ち code:facet_hist.py
sns.displot(
kind='hist',
col='variable',
hue='label', # 重ねず行増やすなら row で
x='value',
bins=30,
kde=True,
# log_scale=True,
# facet_kws={'sharey': False, 'sharex': False},
)
これら + heatmap でだいたい済む
relational
sns.lineplot
errorbar=(ci, 95) のように範囲を渡せる
(pi, 50) で 25%ile-75%ile の四分位範囲にしたり
sd, se
sns.scatterplot
categorical
ヒストグラム
weights='col' でその列の値で重み付け, デフォルトは行数を数えるけど実質 y のように使える
hue='col' で複数カラム重ねる
multiple='stack' で積み上げ
multiple='dodge' で横並べ
multiple='fill' で 積み上げ 100%
sns.histplot(df, x='jst_date', weights='count', hue='event', multiple='stack')
showfliers=False 外れ値表示しない
whis=1.5 外れ値の範囲、デフォルトは 1.5 IQR
タプルを渡すとパーセンタイル指定、whis=(0, 100) で全体をヒゲに含める
boxplot の区分多くするやつ
boxplot より複数のピークが見れてよい
四分位 + カーネル密度推定
えーこれ良いと思うんだけどな
他
ヒートマップ
sns.heatmap(df.corr())
sns.heatmap(pd.crosstab(a, b), annot=True, fmt="d", square=True)
sns.heatmap(..., linewidths=0.5, linecolor="white") でスキマ空けれる
sns.heatmap(..., xticklabels=True, yticklabels=True) でラベル常に出す
散布図 + 各軸にグラフ
sns.jointplot(data=df, x='x', y='y') が基本
hue='col' で col ごとに色分け
普段から relplot これでやってもいいか?
回帰線つける、あんまりつかわないか
regplot をカテゴリ別に重ねる、こっちのほうが使うかな
hue= 指定するだけ
列の2つのペアごとに可視化する、関係性を見る
sns.pairplot(df, corner=True) あたりをよく使いそうかな? 下半分でいいし
sns.pairplot(df, kind='reg') は散布図に重ねて回帰線書けるので単に情報増えるから使いがち
diag_kind='kde' も
累積分布
sns.displot(kind="ecdf", ...) でもよい
単に横に並べる
まあ plt.subplots 使うしかないか、抽象度高いメソッド(relplot, displot, catplot)は使えない
code:subplots.py
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4))
sns.lineplot(df, x=..., y=..., ax=ax1)
sns.lineplot(df, x=..., y=..., ax=ax2)
FacetGrid
複数グラフ並べる、FacetGrid で group by を宣言して map で実際のグラフの表示を指定する
code:facetgrid.py
g = sns.FacetGrid(tips, col="time", row="sex")
g.map(sns.scatterplot, "total_bill", "tip")
# FacetGrid の col_order, row_order で順序指定できる
g = snsF.FacetGrid(..., col_order=..., row_order=...) # 引数いろいろ渡したいなら map_dataframe かな?
g.map_dataframe(sns.lineplot, x='date', y='count', hue='event', palette=event_palette)
軸を共通にしないなら
sharex=False, sharey=False
軸を各 subplot に表示したいが、グラフの範囲(値域)は共通にしたい場合
sharex=False, sharey=False 共有をやめつつ、軸の範囲を計算して共通で与えるのが楽
sns.FacetGrid(..., xlim=(0, 10), ylim=(0, 100))
heatmap なら vmin, vmax を計算して与える(↓の例のように)
FacetGrid で heatmap 出す
map_dataframe で pivot する
code:facet_heatmap.py
g = sns.FacetGrid(df, col="category")
def plot_heatmap(data, **kwargs):
pivot = data.pivot(index="x", columns="y", values="value")
sns.heatmap(pivot, **kwargs,)
# map_dataframe は FacetGrid の条件のサブセットの DataFrame ごとに呼ばれる
g.map_dataframe(
plot_heatmap,
annot=True, # 値出す
cbar=False
# 軸は手作りするより min~max を共通にするのが楽
)
グラフ間のスペースちょっとだけ広げる
g.figure.subplots_adjust(wspace=0.3, hspace=0.3)
単位は平均の軸幅、軸高さによるものらしい(wspace=0.5 = 各サブグラフの横幅の半分?)
1 だとこれ
https://gyazo.com/5d96791f4c0a7c35af7647a78c8c2798
軸ラベルや軸タイトルがかぶるときに xticklabels とかでいじるより短くてハマりにくいと思う
square=True にしたい、という欲がレイアウトを狂わせるので諦めるのも吉
凡例をグラフの外に出す
plt.legend(loc="upper left", bbox_to_anchor=(1, 1))
あるいは
code:legend.py
ax = sns.hogeplot(...)
sns.move_levend(ax, "upper left", bbox_to_anchor=(1, 1))
サイズ調整
しぶしぶ matplotlib 使う、調整はしやすい 返り値から figure にアクセスできる
code:size.py
import matplotlib.pyplot as plt
plt.figure(figsize=(8, 4.5))
sns.scatterplot(...)
# これだ!
g = sns.scatterplot(...)
g.figure.set_size_inches(8, 8)
# あるいは
sns.heatmap(...).figure.set_figheight(10) # set_figwidth もある
特定の値域だけを描画
g.set(xlim=(0, 500))
軸の刻み方変える
code:tick.py
g = sns.ecdfplot(...)
g.set_xticks(range(0, 500, 50))
g.grid(True, which="both") # グリッド表示
ラベルがかぶる
大抵 x 軸ラベル
code:rotate_labels.py
import seaborn as sns
import matplotlib.pyplot as plt
# matplotlib 経由で触る
sns.barplot(x='カテゴリ', y='値', data=df)
plt.xticks(rotation=90)
# グラフ
g = sns.relplot(data=df, x="day", y="total_bill", kind="line")
g.tick_params(axis="x", labelrotation=90) # これがいちばん穏当かな
カラーパレット
sns.set_palette で全体に
各グラフに palette= や cmap= で都度指定
連続データ
rocket
https://gyazo.com/cbd59645fd60c110e64f5b3eacd9955d
mako
https://gyazo.com/440d0d63ba47c33b37f491cc370d2283
viridis
https://gyazo.com/3e1e72f2572f49860e9dd6778a9bf12f
まあ単に単色のほうがわかりやすいことも
seagreen
https://gyazo.com/70bdd6dcd28f473b798a8375dbd2418d
Blues
https://gyazo.com/5e48a2ebef0ed3729aad4260e60ca62c
相関関係、中央から両端へ
coolwarm
https://gyazo.com/cd59228d98329ba82dd35b4dea607bfb
Spectral
https://gyazo.com/fb27ac2808dd396b9a314331f7fa224a
icefire
https://gyazo.com/fa4f1ab61f8917e4118887ef5fecf31c
逆にするなら_r をつける
色の対応を一貫させる・積み上げ等の表示順を一貫させる
hue=... で取る値ごとに値を一貫させたい & 積み上げたときの順序を揃えたい
code:categorical-palette.py
events_palette = dict(zip(events, sns.color_palette('colorblind', len(events))
sns.histplot(
...,
hue='event',
palette=events_palette, # event に対応する色を固定する
multiple='stack',
hue_order=events, # この順に積む
)
多クラスの可視化
palette が足りない時
code:colorcet.py
import colorcet as cc
palette = sns.color_palette(cc.glasbey, n_colors=len(set(labels)))
sns.scatterplot(x=embedding_2d:, 0, y=embedding_2d:, 1, hue=labels, palette=palette) まあ1つ1つの要素見るというよりクラスタリングの結果可視化するときに...
https://gyazo.com/f1b212abdb2d178f3fd1ab56ff76459d
あるいは color * marker で順繰りに使う
code:markers.py
import math
colors = sns.color_palette("tab10", 10)
# 特定のエラー値だけ上書きして置き換える
sns.scatterplot(
hue=labels,
style=labels,
markers=markers_map,
palette=colors,
)
https://gyazo.com/fbcb0f75785b16c08120b99f56914148
見た目
sns.set_style('whitegrid') が多いかな?
markers
複数列で hue
まあ結合して列を作って指定
時刻フォーマットがダルくなりがちなのでどうするか調べる
普通に dataframe の plot のほうがましだったりする
histplot
discrete=True
x 軸のラベルが棒グラフなどのまんなかに来る
shrink=0.8 などで横と隙間を開ける
stat='probability' で高さの合計を 1.0 に