Seaborn

Seaborn 统计可视化

何时使用

• 需要直接从表格数据集创建出版级质量的统计图形
• 正在探索多变量关系、分布或分组比较，且绑图代码量最少
• 想要使用 Seaborn 面向数据集的 API 和统计默认设置（基于 matplotlib）

概述

Seaborn 是一个 Python 可视化库，用于创建出版级质量的统计图形。本技能适用于面向数据集的绑图、多变量分析、自动统计估计以及用最少代码创建复杂多面板图形。

设计理念

Seaborn 遵循以下核心原则：

1. 面向数据集：直接使用 DataFrame 和命名变量，而非抽象坐标
2. 语义映射：自动将数据值转换为视觉属性（颜色、大小、样式）
3. 统计感知：内置聚合、误差估计和置信区间
4. 美观默认：开箱即用的出版级主题和调色板
5. Matplotlib 集成：需要时可完全兼容 matplotlib 自定义

快速入门

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

# 加载示例数据集
df = sns.load_dataset('tips')

# 创建简单可视化
sns.scatterplot(data=df, x='total_bill', y='tip', hue='day')
plt.show()

核心绑图接口

函数接口（传统）

函数接口提供按可视化类型组织的专用绑图函数。每个类别都有坐标轴级函数（绑制到单个坐标轴）和图形级函数（管理整个图形并支持分面）。

何时使用：

• 快速探索性分析
• 单一用途可视化
• 需要特定图表类型时

对象接口（现代）

seaborn.objects 接口提供类似 ggplot2 的声明式、可组合 API。通过链式方法指定数据映射、标记、变换和比例来构建可视化。

何时使用：

• 复杂的分层可视化
• 需要对变换进行精细控制时
• 构建自定义图表类型
• 程序化图表生成

from seaborn import objects as so

# 声明式语法
(
    so.Plot(data=df, x='total_bill', y='tip')
    .add(so.Dot(), color='day')
    .add(so.Line(), so.PolyFit())
)

按类别分类的绑图函数

关系图（变量间关系）

用途： 探索两个或多个变量之间的关系

• scatterplot() - 将单个观测值显示为点
• lineplot() - 显示趋势和变化（自动聚合并计算置信区间）
• relplot() - 带自动分面的图形级接口

关键参数：

• x, y - 主变量
• hue - 额外分类/连续变量的颜色编码
• size - 点/线大小编码
• style - 标记/线样式编码
• col, row - 分面为多个子图（仅限图形级）

# 带多个语义映射的散点图
sns.scatterplot(data=df, x='total_bill', y='tip',
                hue='time', size='size', style='sex')

# 带置信区间的折线图
sns.lineplot(data=timeseries, x='date', y='value', hue='category')

# 分面关系图
sns.relplot(data=df, x='total_bill', y='tip',
            col='time', row='sex', hue='smoker', kind='scatter')

分布图（单变量和双变量分布）

用途： 理解数据分布、形状和概率密度

• histplot() - 基于柱状的频率分布，支持灵活分箱
• kdeplot() - 使用高斯核的平滑密度估计
• ecdfplot() - 经验累积分布（无需调参）
• rugplot() - 单个观测值的刻度标记
• displot() - 单变量和双变量分布的图形级接口
• jointplot() - 带边缘分布的双变量图
• pairplot() - 数据集中成对关系的矩阵图

关键参数：

• x, y - 变量（单变量时 y 可选）
• hue - 按类别分离分布
• stat - 归一化方式："count"、"frequency"、"probability"、"density"
• bins / binwidth - 直方图分箱控制
• bw_adjust - KDE 带宽乘数（值越大越平滑）
• fill - 填充曲线下方区域
• multiple - 处理 hue 的方式："layer"、"stack"、"dodge"、"fill"

# 带密度归一化的直方图
sns.histplot(data=df, x='total_bill', hue='time',
             stat='density', multiple='stack')

# 带等高线的双变量 KDE
sns.kdeplot(data=df, x='total_bill', y='tip',
            fill=True, levels=5, thresh=0.1)

# 带边缘分布的联合图
sns.jointplot(data=df, x='total_bill', y='tip',
              kind='scatter', hue='time')

# 成对关系图
sns.pairplot(data=df, hue='species', corner=True)

分类图（跨类别比较）

用途： 比较离散类别间的分布或统计量

分类散点图：

• stripplot() - 带抖动的点，显示所有观测值
• swarmplot() - 不重叠的点（蜂群算法）

分布比较：

• boxplot() - 四分位数和异常值
• violinplot() - KDE + 四分位数信息
• boxenplot() - 增强型箱线图，适用于较大数据集

统计估计：

• barplot() - 均值/聚合值及置信区间
• pointplot() - 点估计及连接线
• countplot() - 每个类别的观测计数

图形级：

• catplot() - 分面分类图（设置 kind 参数）

关键参数：

• x, y - 变量（通常一个为分类变量）
• hue - 额外分类分组
• order, hue_order - 控制类别顺序
• dodge - 将 hue 层级并排分离
• orient - "v"（垂直）或 "h"（水平）
• kind - catplot 的图表类型："strip"、"swarm"、"box"、"violin"、"bar"、"point"

# 显示所有点的蜂群图
sns.swarmplot(data=df, x='day', y='total_bill', hue='sex')

# 带分割比较的小提琴图
sns.violinplot(data=df, x='day', y='total_bill',
               hue='sex', split=True)

# 带误差条的柱状图
sns.barplot(data=df, x='day', y='total_bill',
            hue='sex', estimator='mean', errorbar='ci')

# 分面分类图
sns.catplot(data=df, x='day', y='total_bill',
            col='time', kind='box')

回归图（线性关系）

用途： 可视化线性回归和残差

• regplot() - 坐标轴级回归图，包含散点 + 拟合线
• lmplot() - 图形级，支持分面
• residplot() - 用于评估模型拟合的残差图

关键参数：

• x, y - 回归变量
• order - 多项式回归阶数
• logistic - 拟合逻辑回归
• robust - 使用稳健回归（对异常值不敏感）
• ci - 置信区间宽度（默认 95）
• scatter_kws, line_kws - 自定义散点和线条属性

# 简单线性回归
sns.regplot(data=df, x='total_bill', y='tip')

# 带分面的多项式回归
sns.lmplot(data=df, x='total_bill', y='tip',
           col='time', order=2, ci=95)

# 检查残差
sns.residplot(data=df, x='total_bill', y='tip')

矩阵图（矩形数据）

用途： 可视化矩阵、相关性和网格结构数据

• heatmap() - 带注释的颜色编码矩阵
• clustermap() - 层次聚类热力图

关键参数：

• data - 二维矩形数据集（DataFrame 或数组）
• annot - 在单元格中显示数值
• fmt - 注释格式字符串（如 ".2f"）
• cmap - 调色板名称
• center - 调色板中心的值（用于发散调色板）
• vmin, vmax - 颜色范围限制
• square - 强制正方形单元格
• linewidths - 单元格间间隙

# 相关性热力图
corr = df.corr()
sns.heatmap(corr, annot=True, fmt='.2f',
            cmap='coolwarm', center=0, square=True)

# 聚类热力图
sns.clustermap(data, cmap='viridis',
               standard_scale=1, figsize=(10, 10))

多图网格

Seaborn 提供网格对象用于创建复杂的多面板图形：

FacetGrid

基于分类变量创建子图。通过图形级函数（relplot、displot、catplot）调用时最有用，但也可直接用于自定义图表。

g = sns.FacetGrid(df, col='time', row='sex', hue='smoker')
g.map(sns.scatterplot, 'total_bill', 'tip')
g.add_legend()

PairGrid

显示数据集中所有变量之间的成对关系。

g = sns.PairGrid(df, hue='species')
g.map_upper(sns.scatterplot)
g.map_lower(sns.kdeplot)
g.map_diag(sns.histplot)
g.add_legend()

JointGrid

将双变量图与边缘分布结合。

g = sns.JointGrid(data=df, x='total_bill', y='tip')
g.plot_joint(sns.scatterplot)
g.plot_marginals(sns.histplot)

图形级与坐标轴级函数

理解这一区别对于有效使用 Seaborn 至关重要：

坐标轴级函数

• 绑制到单个 matplotlib Axes 对象
• 易于集成到复杂的 matplotlib 图形中
• 接受 ax= 参数进行精确定位
• 返回 Axes 对象
• 示例：scatterplot、histplot、boxplot、regplot、heatmap

何时使用：

• 构建自定义多图布局
• 组合不同图表类型
• 需要 matplotlib 级别的控制
• 与现有 matplotlib 代码集成

fig, axes = plt.subplots(2, 2, figsize=(10, 10))
sns.scatterplot(data=df, x='x', y='y', ax=axes[0, 0])
sns.histplot(data=df, x='x', ax=axes[0, 1])
sns.boxplot(data=df, x='cat', y='y', ax=axes[1, 0])
sns.kdeplot(data=df, x='x', y='y', ax=axes[1, 1])

图形级函数

• 管理整个图形，包括所有子图
• 通过 col 和 row 参数内置分面
• 返回 FacetGrid、JointGrid 或 PairGrid 对象
• 使用 height 和 aspect 控制大小（每个子图）
• 无法放置到现有图形中
• 示例：relplot、displot、catplot、lmplot、jointplot、pairplot

何时使用：

• 分面可视化（小多图）
• 快速探索性分析
• 一致的多面板布局
• 不需要与其他图表类型组合

# 自动分面
sns.relplot(data=df, x='x', y='y', col='category', row='group',
            hue='type', height=3, aspect=1.2)

数据结构要求

长格式数据（推荐）

每个变量是一列，每个观测值是一行。这种"整洁"格式提供最大的灵活性：

# 长格式结构
   subject  condition  measurement
0        1    control         10.5
1        1  treatment         12.3
2        2    control          9.8
3        2  treatment         13.1

优势：

• 适用于所有 Seaborn 函数
• 易于将变量重新映射到视觉属性
• 支持任意复杂度
• DataFrame 操作的自然形式

宽格式数据

变量分布在各列中。适用于简单的矩形数据：

# 宽格式结构
   control  treatment
0     10.5       12.3
1      9.8       13.1

使用场景：

• 简单时间序列
• 相关矩阵
• 热力图
• 数组数据的快速绑图

宽格式转长格式：

df_long = df.melt(var_name='condition', value_name='measurement')

调色板

Seaborn 为不同数据类型提供精心设计的调色板：

定性调色板（分类数据）

通过色调变化区分类别：

• "deep" - 默认，鲜艳颜色
• "muted" - 柔和，低饱和度
• "pastel" - 浅色，去饱和
• "bright" - 高饱和度
• "dark" - 深色值
• "colorblind" - 色觉障碍友好

sns.set_palette("colorblind")
sns.color_palette("Set2")

顺序调色板（有序数据）

显示从低到高的值变化：

• "rocket"、"mako" - 宽亮度范围（适合热力图）
• "flare"、"crest" - 限制亮度范围（适合点/线）
• "viridis"、"magma"、"plasma" - Matplotlib 感知均匀

sns.heatmap(data, cmap='rocket')
sns.kdeplot(data=df, x='x', y='y', cmap='mako', fill=True)

发散调色板（中心化数据）

强调偏离中点的程度：

• "vlag" - 蓝到红
• "icefire" - 蓝到橙
• "coolwarm" - 冷到暖
• "Spectral" - 彩虹发散

sns.heatmap(correlation_matrix, cmap='vlag', center=0)

自定义调色板

# 创建自定义调色板
custom = sns.color_palette("husl", 8)

# 浅到深渐变
palette = sns.light_palette("seagreen", as_cmap=True)

# 从色调创建发散调色板
palette = sns.diverging_palette(250, 10, as_cmap=True)

主题与美学

设置主题

set_theme() 控制整体外观：

# 设置完整主题
sns.set_theme(style='whitegrid', palette='pastel', font='sans-serif')

# 重置为默认
sns.set_theme()

样式

控制背景和网格外观：

• "darkgrid" - 灰色背景配白色网格（默认）
• "whitegrid" - 白色背景配灰色网格
• "dark" - 灰色背景，无网格
• "white" - 白色背景，无网格
• "ticks" - 白色背景配坐标轴刻度

sns.set_style("whitegrid")

# 移除边框
sns.despine(left=False, bottom=False, offset=10, trim=True)

# 临时样式
with sns.axes_style("white"):
    sns.scatterplot(data=df, x='x', y='y')

上下文

针对不同使用场景缩放元素：

• "paper" - 最小（默认）
• "notebook" - 稍大
• "talk" - 演示幻灯片
• "poster" - 大幅面

sns.set_context("talk", font_scale=1.2)

# 临时上下文
with sns.plotting_context("poster"):
    sns.barplot(data=df, x='category', y='value')

最佳实践

1. 数据准备

始终使用结构良好的 DataFrame 和有意义的列名：

# 推荐：DataFrame 中的命名列
df = pd.DataFrame({'bill': bills, 'tip': tips, 'day': days})
sns.scatterplot(data=df, x='bill', y='tip', hue='day')

# 避免：未命名数组
sns.scatterplot(x=x_array, y=y_array)  # 会丢失坐标轴标签

2. 选择正确的图表类型

连续 x，连续 y： scatterplot、lineplot、kdeplot、regplot 连续 x，分类 y： violinplot、boxplot、stripplot、swarmplot 单个连续变量： histplot、kdeplot、ecdfplot 相关性/矩阵： heatmap、clustermap 成对关系： pairplot、jointplot

3. 使用图形级函数进行分面

# 推荐：使用图形级函数自动分面
sns.relplot(data=df, x='x', y='y', col='category', col_wrap=3)

# 不推荐：手动创建子图进行简单分面

4. 利用语义映射

使用 hue、size 和 style 编码额外维度：

sns.scatterplot(data=df, x='x', y='y',
                hue='category',      # 按类别着色
                size='importance',   # 按连续变量调整大小
                style='type')        # 按类型设置标记样式

5. 控制统计估计

许多函数自动计算统计量。理解并自定义：

# lineplot 默认计算均值和 95% 置信区间
sns.lineplot(data=df, x='time', y='value',
             errorbar='sd')  # 改用标准差

# barplot 默认计算均值
sns.barplot(data=df, x='category', y='value',
            estimator='median',  # 改用中位数
            errorbar=('ci', 95))  # 自助法置信区间

6. 与 Matplotlib 结合

Seaborn 与 matplotlib 无缝集成，便于精细调整：

ax = sns.scatterplot(data=df, x='x', y='y')
ax.set(xlabel='自定义 X 标签', ylabel='自定义 Y 标签',
       title='自定义标题')
ax.axhline(y=0, color='r', linestyle='--')
plt.tight_layout()

7. 保存高质量图形

fig = sns.relplot(data=df, x='x', y='y', col='group')
fig.savefig('figure.png', dpi=300, bbox_inches='tight')
fig.savefig('figure.pdf')  # 出版物用矢量格式

常见模式

探索性数据分析

# 快速查看所有关系
sns.pairplot(data=df, hue='target', corner=True)

# 分布探索
sns.displot(data=df, x='variable', hue='group',
            kind='kde', fill=True, col='category')

# 相关性分析
corr = df.corr()
sns.heatmap(corr, annot=True, cmap='coolwarm', center=0)

出版级图形

sns.set_theme(style='ticks', context='paper', font_scale=1.1)

g = sns.catplot(data=df, x='treatment', y='response',
                col='cell_line', kind='box', height=3, aspect=1.2)
g.set_axis_labels('处理条件', '响应值 (μM)')
g.set_titles('{col_name}')
sns.despine(trim=True)

g.savefig('figure.pdf', dpi=300, bbox_inches='tight')

复杂多面板图形

# 使用 matplotlib 子图配合 seaborn
fig, axes = plt.subplots(2, 2, figsize=(12, 10))

sns.scatterplot(data=df, x='x1', y='y', hue='group', ax=axes[0, 0])
sns.histplot(data=df, x='x1', hue='group', ax=axes[0, 1])
sns.violinplot(data=df, x='group', y='y', ax=axes[1, 0])
sns.heatmap(df.pivot_table(values='y', index='x1', columns='x2'),
            ax=axes[1, 1], cmap='viridis')

plt.tight_layout()

带置信带的时间序列

# lineplot 自动聚合并显示置信区间
sns.lineplot(data=timeseries, x='date', y='measurement',
             hue='sensor', style='location', errorbar='sd')

# 更多控制
g = sns.relplot(data=timeseries, x='date', y='measurement',
                col='location', hue='sensor', kind='line',
                height=4, aspect=1.5, errorbar=('ci', 95))
g.set_axis_labels('日期', '测量值 (单位)')

故障排除

问题：图例在绑图区域外

图形级函数默认将图例放在外部。要移到内部：

g = sns.relplot(data=df, x='x', y='y', hue='category')
g._legend.set_bbox_to_anchor((0.9, 0.5))  # 调整位置

问题：标签重叠

plt.xticks(rotation=45, ha='right')
plt.tight_layout()

问题：图形太小

图形级函数：

sns.relplot(data=df, x='x', y='y', height=6, aspect=1.5)

坐标轴级函数：

fig, ax = plt.subplots(figsize=(10, 6))
sns.scatterplot(data=df, x='x', y='y', ax=ax)

问题：颜色区分度不够

# 使用不同调色板
sns.set_palette("bright")

# 或指定颜色数量
palette = sns.color_palette("husl", n_colors=len(df['category'].unique()))
sns.scatterplot(data=df, x='x', y='y', hue='category', palette=palette)

问题：KDE 太平滑或太锯齿

# 调整带宽
sns.kdeplot(data=df, x='x', bw_adjust=0.5)  # 更不平滑
sns.kdeplot(data=df, x='x', bw_adjust=2)    # 更平滑

资源

本技能包含用于深入探索的参考材料：

references/

• function_reference.md - 所有 Seaborn 函数的综合列表，包含参数和示例
• objects_interface.md - 现代 seaborn.objects API 详细指南
• examples.md - 不同分析场景的常见用例和代码模式

根据需要加载参考文件以获取详细的函数签名、高级参数或特定示例。

局限性

• 仅当任务明确符合上述描述的范围时使用本技能
• 不要将输出替代为环境特定的验证、测试或专家审查
• 如果缺少必需的输入、权限、安全边界或成功标准，请停止并请求澄清