All About Seaborn

Seaborn 특징

여러 변수 간의 관계를 검사하기 위한 데이터 집합 지향 API
범주형 변수를 사용하여 관측치 또는 집계 통계량을 표시하기 위한 전문적인 지원
일변량 또한 이변량 분포를 시각화하고 데이터의 부분 집합 간 비교하기 위한 옵션
서로 다른 종류의 종속 변수에 대한 선형 회귀 모형의 자동 추정 및 표시
복잡한 데이터셋의 전체 구조에 대한 편리한 보기
복잡한 시각화를 쉽게 구축할 수 있는 다중 플롯 그리드 구조를 위한 높은 수준의 추상화

import matplotlib.pyplot as plt
import pandas as pd
from scipy import stats
import matplotlib as mpl
import numpy as np
import seaborn as sns
sns.__version__
sns.set(style="whitegrid")

산점도(Scatter Plot)

penguins = sns.load_dataset("penguins")
penguins

sns.relplot(x="bill_length_mm", y="bill_depth_mm", data=penguins)

sns.relplot(x="flipper_length_mm", y="body_mass_g",data=penguins);

sns.relplot(x="bill_length_mm", y="bill_depth_mm",
            hue="bill_length_mm", data=penguins);

sns.relplot(x="flipper_length_mm", y="body_mass_g",
            hue="species", style="species", data=penguins)

sns.relplot(x="flipper_length_mm", y="body_mass_g",
          hue="species", style="island", data=penguins);

sns.relplot(x="flipper_length_mm", y="body_mass_g", 
            hue="species", col="island", data=penguins)

sns.relplot(x="bill_length_mm", y="bill_depth_mm",
            hue="species", col = "island", data=penguins);

sns.relplot(x="bill_length_mm", y="bill_depth_mm",
            hue="flipper_length_mm",  data=penguins);

sns.relplot(x="bill_length_mm", y="bill_depth_mm",
            hue="body_mass_g",  data=penguins);

sns.relplot(x="bill_length_mm", y="bill_depth_mm",
            hue="body_mass_g",  size="body_mass_g", 
            sizes=(10,300), data=penguins);

라인 플롯(Line Plot)

flights = sns.load_dataset("flights")
flights

sns.relplot(x="year", y="passengers", kind="line", data=flights)

dots = sns.load_dataset('dots')
dots

sns.relplot(x="time", y="firing_rate",
            kind="line", data=dots);

sns.relplot(x="time", y="firing_rate",
            ci= None, kind="line", data=dots);

sns.relplot(x="time", y="firing_rate",
            ci= "sd", kind="line", data=dots);

sns.relplot(x="time", y="firing_rate",
            estimator=None, kind="line", data=dots);

sns.relplot(x="time", y="firing_rate",
            hue="choice", kind="line", data=dots);

sns.relplot(x="time", y="firing_rate",
            hue="align", kind="line", data=dots);

sns.relplot(x="time", y="firing_rate",
            hue="align", style="choice", 
            kind="line", data=dots);

sns.relplot(x="time", y="firing_rate",
            hue="align", style="choice", 
            dashes=False, markers=True,
            kind="line", data=dots);

sns.relplot(x="time", y="firing_rate",
            hue="align", col="choice", 
            kind="line", data=dots);

sns.relplot(x="time", y="firing_rate",
            style="choice", 
            kind="line", data=dots.query("align =='sacc'"));

sns.relplot(x="time", y="firing_rate",
            hue = "coherence", style="choice", 
            kind="line", data=dots.query("align =='sacc'"));

sns.relplot(x="time", y="firing_rate",
            hue = "coherence", col="choice", 
            kind="line", data=dots.query("align =='sacc'"));

fmri = sns.load_dataset("fmri")
fmri

sns.relplot(x="timepoint", y="signal",
            kind="line", data=fmri)

sns.relplot(x="timepoint", y="signal", 
            sort=False, kind="line", data=fmri)

sns.relplot(x="timepoint", y="signal", 
            style="region", size="event",
            kind="line", data=fmri);

sns.relplot(x="timepoint", y="signal", 
            hue="subject", style="region", size="event",
            kind="line", data=fmri);

sns.relplot(x="timepoint", y="signal", 
            hue="subject", col="region", size="event",
            kind="line", data=fmri);

palette = sns.cubehelix_palette(n_colors=14, light=0.8)
sns.relplot(x="timepoint", y="signal", 
            hue="subject", col="region", size="event",
           palette=palette,  kind="line", data=fmri);

palette = sns.cubehelix_palette(n_colors=14, light=0.8)
sns.relplot(x="timepoint", y="signal", 
            hue="subject", col="region", 
           palette=palette,  kind="line", data=fmri.query("event == 'cue'"));

sns.relplot(x="timepoint", y="signal", 
            hue="subject", col="region", row="event",
           palette=palette,  kind="line", data=fmri);

sns.relplot(x="timepoint", y="signal", 
            hue="event", style="event",
            col="subject", col_wrap =4, linewidth=3,
            kind="line", data=fmri.query("region == 'parietal'"));

tdf = pd.DataFrame(np.random.randn(40,4),
                index=pd.date_range('2022-12-29', periods=40),
                columns=['A', 'B', 'C', 'D'])
tdf

sns.relplot(kind="line", data=tdf);

g = sns.relplot(kind="line", data=tdf);
g.fig.autofmt_xdate()

g = sns.relplot(kind="line", data=tdf['A']);
g.fig.autofmt_xdate()

범주형 데이터(Categorical Data)

범주형 산점도(Categorical scatterplots)

stripplot() (with kind="strip", the default)
swarmplot() (with kind="swarm")

penguins

sns.catplot(x="species", y="body_mass_g", data=penguins)

sns.catplot(x="species", y="body_mass_g", 
            jitter = False, data=penguins)

sns.catplot(x="species", y="body_mass_g", 
            kind="swarm", data=penguins)

sns.catplot(x="species", y="body_mass_g", 
            hue="sex",
            kind="swarm", data=penguins)

sns.catplot(x="sex", y="body_mass_g", 
            hue="species",
            kind="swarm", data=penguins)

sns.catplot(x="sex", y="body_mass_g", 
            hue="species",kind="swarm",
            order=["Female sex", "Male"], data=penguins)

sns.catplot(x="body_mass_g", y="species", 
            hue="island",kind="swarm",
             data=penguins)

sns.catplot(x="species", y="body_mass_g", 
            hue="sex",col="island", aspect=.7,
            kind="swarm",data=penguins)

범주형 분포도(Categorical distribution plots)

boxplot() (with kind="box")
boxenplot() (with kind="boxen")
violinplot() (with kind="violin")

박스 플롯(Box plots)

sns.catplot(x="species", y="body_mass_g",
            kind="box", data=penguins)

sns.catplot(x="species", y="body_mass_g",
            hue="sex", kind="box", data=penguins)

sns.catplot(x="species", y="body_mass_g",
            hue="sex", kind="box", 
            dodge=False, data=penguins)

sns.catplot(x="species", y="body_mass_g",
            col="sex", kind="box", 
            dodge=False, data=penguins)

sns.catplot(x="body_mass_g", y="species",
            row="sex", kind="box",
            height=2, aspect=4,
            data=penguins)

iris = sns.load_dataset("iris")
iris

sns.catplot(kind="box", data=iris)

sns.catplot(kind="box", orient='h', data=iris)

sns.catplot(x="species",y="sepal_length", kind="box", data=iris)

sns.catplot(x="petal_length",y="species", kind="box", data=iris)

박슨 플롯(Boxen plots)

diamonds = sns.load_dataset("diamonds")
diamonds

sns.catplot(x="cut", y="price",
            kind="boxen", data=diamonds)

sns.catplot(x="color", y="price",
            kind="boxen", data=diamonds)

sns.catplot(x="color", y="price",
            kind="boxen", data=diamonds.sort_values("color"))

sns.catplot(x="clarity", y="price",
            kind="boxen", data=diamonds)

바이올린 플롯(Violin plots)

violinplot : 커널 밀도 추정과 상자 도표 결합

penguins

sns.catplot(x="species", y="body_mass_g",
            hue="sex", kind="violin", data=penguins)

sns.catplot(x="species", y="body_mass_g",
            hue="sex", kind="violin", 
            bw=.15, cut=0,
            data=penguins)

sns.catplot(x="species", y="body_mass_g",
            hue="sex", kind="violin", 
            split = True, data=penguins)

sns.catplot(x="species", y="body_mass_g",
            hue="sex", kind="violin", 
            inner="stick",split=True,
            data=penguins)

sns.catplot(x="species", y="body_mass_g",
            kind="violin", 
            inner=None, data=penguins)
sns.swarmplot(x="species", y="body_mass_g",
              color='k', size=3,
              data=penguins, ax=g.ax);

sns.catplot(kind="violin", data=iris)

sns.catplot(kind="violin", orient='h', data=iris)

sns.catplot(x="species", y="sepal_length",
            kind="violin", data=iris);

sns.catplot(x="petal_length", y="species",
            kind="violin", data=iris);

범주형 추정치 도표(Categorical esimate plots)

barplot() (with kind="bar")
pointplot() (with kind="point")
countplot() (with kind="count")

막대 플롯(Bar plots)

mpg = sns.load_dataset('mpg')
mpg

sns.catplot(x="origin", y="mpg",
            hue="cylinders", kind="bar",
            data=mpg);

sns.catplot(x="origin", y="horsepower",
            hue="cylinders", kind="bar",
            palette="ch:.20",data=mpg);

sns.catplot(x="cylinders", y="horsepower",
            kind="bar", palette="ch:.20", edgecolor='.6',
            data=mpg);