Python Seaborn (Ⅰ) 艺术化的图表控制

一直苦于没有系统学习seanborn的教程，似乎市面上也还没有完整的官方文档的学习资料。终于下决心用几天的时间通读下官方文档，并把记录下来。

基于官方0.71版本，所有代码和图片皆已验证，与官方结论不符的地方会进行标注。如果有翻译失当或理解有误的地方，敬请随意指正！（http://seaborn.pydata.org/tutorial.html）

一个引人入胜的图表非常重要，赏心悦目的图形不但能让数据探索中一些重要的细节更容易被挖掘，也能更有利于在与观众交流分析结果的过程中吸引观众的注意力并使观众们更容易记住结论。

Matplotlib无疑是高度可定制的，但快速实施出吸引人的细节就变得有些复杂。Seaborn作为一个带着定制主题和高级界面控制的Matplotlib扩展包，能让绘图变得更轻松，本部分主要介绍seaborn是如何对matplotlib输出的外观进行控制的。

%matplotlib inline 
#jupyter notebook 中的魔法函数，如果不是使用该软件请使用plt.show()用于显示图像
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
np.random.seed(sum(map(ord,"aesthetics")))  # 定义种子

定义一个含偏移的正弦图像，来比较传统的matplotlib和seaborn的不同：

def sinplot(flip=1):
    x = np.linspace(0,14,100)
    for i in range(1,7):
        plt.plot(x,np.sin(x+i*.5)*(7-i)*flip)

使用matplotlib默认设置的图形效果：

sinplot()

import seaborn as sns
sinplot()

seaborn默认的灰色网格底色灵感来源于matplotlib却更加柔和。大多数情况下，图应优于表。seaborn的默认灰色网格底色避免了刺目的干扰，对于多个方面的图形尤其有用，是一些更复杂的工具的核心。

Seaborn将matplotlib参数分成两个独立的组。第一组设定了美学风格，第二组则是不同的度量元素，这样就可以很容易地添加到代码当中了。

操作这些参数的接口是两对函数。为了控制样式，使用axesstyle()和setstyle()函数。为了扩展绘图，请使用plotting_context()和set_context()函数。在这两种情况下，第一个函数返回一个参数字典，第二个函数则设置matplotlib默认属性。

有5个seaborn的主题，适用于不同的应用和人群偏好：

• darkgrid 黑色网格（默认）

• whitegrid 白色网格

• dark 黑色背景

• white 白色背景

• ticks 应该是四周都有刻度线的白背景？

网格能够帮助我们查找图表中的定量信息，而灰色网格主题中的白线能避免影响数据的表现，白色网格主题则类似的，当然更适合表达“重数据元素”（heavy data elements不理解）

sns.set_style("whitegrid")
data = np.random.normal(size=(20, 6)) + np.arange(6) / 2
sns.boxplot(data=data);

对于许多场景，(特别是对于像对话这样的设置，您主要想使用图形来提供数据模式的印象)，网格就不那么必要了

sns.set_style("dark")
sinplot()

sns.set_style("white")
sinplot()

有时你可能想要给情节增加一点额外的结构，这就是ticks参数的用途:

sns.set_style("ticks")
sinplot()
# 官方的例子在上方/右方也拥有刻度线，而验证时却没有（是jupyter notebook的原因？）

这里是官方运行的结果，供参考：

特别的可以通过sns.axes_style(style=None, rc=None) 返回一个sns.set_style()可传的参数的字典

通过类似sns.set_style("ticks", {"xtick.major.size": 8, "ytick.major.size": 8})的方式写入更具体的配置样式。

关于sns.axes_style()下面会有说明和运行结果

white和ticks参数的样式，都可以删除上方和右方坐标轴上不需要的边框，这在matplotlib中是无法通过参数实现的，却可以在seaborn中通过despine()函数轻松移除他们。

sns.set_style("white")
sinplot() # 默认无参数状态，就是删除上方和右方的边框
sns.despine()

一些图的边框可以通过数据移位，当然调用despine()也能做同样的事。当边框没有覆盖整个数据轴的范围的时候，trim参数会限制留存的边框范围。

f, ax = plt.subplots()
sns.violinplot(data=data)
sns.despine(offset=10, trim=True); # offset 两坐标轴离开距离；

你也可以通过往despine()中添加参数去控制边框

sns.set_style("whitegrid")
sns.boxplot(data=data, palette="deep")
sns.despine(left=True) # 删除左边边框
st = sns.axes_style("darkgrid")

despine(fig=None, ax=None, top=True, right=True, left=False, bottom=False, offset=None, trim=False)

从plot()函数中移除顶部或右边的边框

虽然来回切换非常容易，但sns也允许用with语句中套用axes_style()达到临时设置参数的效果（仅对with块内的绘图函数起作用）。这也允许创建不同风格的坐标轴。

with sns.axes_style("darkgrid"):
    plt.subplot(211)
    sinplot()
plt.subplot(212)
sinplot(-1)

如果您想要定制seanborn的样式，可以将参数字典传递给axes_style()和set_style()的rc参数。注意，只能通过该方法覆盖样式定义的一部分参数。(然而，更高层次的set()函数接受任何matplotlib参数的字典)。

如果您想要查看包含哪些参数，您可以只调用该函数而不带参数，这将返回当前设置的字典:

sns.axes_style()

{'axes.axisbelow': True,
 'axes.edgecolor': 'white',
 'axes.facecolor': '#EAEAF2',
 'axes.grid': True,
 'axes.labelcolor': '.15',
 'axes.linewidth': 0.0,
 'figure.facecolor': 'white',
 'font.family': ['sans-serif'],
 'font.sans-serif': ['Arial',
  'Liberation Sans',
  'Bitstream Vera Sans',
  'sans-serif'],
 'grid.color': 'white',
 'grid.linestyle': '-',
 'image.cmap': 'Greys',
 'legend.frameon': False,
 'legend.numpoints': 1,
 'legend.scatterpoints': 1,
 'lines.solid_capstyle': 'round',
 'text.color': '.15',
 'xtick.color': '.15',
 'xtick.direction': 'out',
 'xtick.major.size': 0.0,
 'xtick.minor.size': 0.0,
 'ytick.color': '.15',
 'ytick.direction': 'out',
 'ytick.major.size': 0.0,
 'ytick.minor.size': 0.0}

或许，你可以试试不同种类的参数效果

sns.set_style("darkgrid", {"axes.facecolor": ".9"})
sinplot()

另一组参数控制绘图元素的规模，这应该让您使用相同的代码来制作适合在较大或较小的情节适当的场景中使用的情节。

首先，可以通过sns.set()重置参数。

sns.set()

四种预设，按相对尺寸的顺序(线条越来越粗)，分别是paper，notebook, talk, and poster。notebook的样式是默认的，上面的绘图都是使用默认的notebook预设。

sns.set_context("paper")
plt.figure(figsize=(8,6))
sinplot()

# default 默认设置
sns.set_context("notebook")
plt.figure(figsize=(8,6))
sinplot()

sns.set_context("talk")
plt.figure(figsize=(8,6))
sinplot()

sns.set_context("poster")
plt.figure(figsize=(8,6))
sinplot()

通过观察各种样式的结果，你应当可以了解context函数

类似的，还可以使用其中一个名称来调用set_context()来设置参数，您可以通过提供参数值的字典来覆盖参数。

通过更改context还可以独立地扩展字体元素的大小。(这个选项也可以通过顶级set()函数获得）。

sns.set_context("notebook", font_scale=1.5, rc={"lines.linewidth": 2.5})
sinplot()

类似地(尽管它可能用处不大)，也可以使用with嵌套语句进行临时的设置。

样式和上下文都可以用set()函数快速地进行配置。这个函数还设置了默认的颜色选项，在下一节将详细介绍这一功能。

如需转载请联系EasyCharts团队！

送福利啦！

☑ 长按文末二维码，关注EasyCharts公众号；

☑ 加入QQ群，可以在群文件获取“Excel商业图表修炼秘笈之基础篇-大纲”；

☑ 加入QQ群，可以在群文件获取《Excel数据之美》试读样章、与书籍配套的Excel源文件和EasyCharts插件；

我们EasyCharts团队在网易云课堂等你来上课哦，长按下面的二维码就可进入网易学习课堂。本课程定价为19.9。

简介

真正的高手，不是会制作高难度的图表，而是能把最平常的图表绘制出商务范！小菜鸟，老司机，都不容错过本课程哦！

1. 这是Excel史上最全的基础图表类型讲解；本课程重点讲解了23个基础图表案例，包括Excel自动生成的柱形图，条形图，折线图，面积图，散点图，饼图，圆环图、雷达图，表格，卡片等常用商业图表。

2. 这是Excel史上最全的商业图表风格学习大全；本课程提供了5种商业图表风格的图表，包括《商业周刊》风格，《华尔街日报》风格1和2，《经济学人》风格1和2，共5种经典商业杂志图表的风格。

3. 本课程包括了150多张张商业图表演示Excel源文件。每个基础图表案例至少提供6种以上不同的图表风格演示，供读者选择与学习，可以满足不同人群的审美需求。