Seaborn -- 统计可视化、热力图与分布图

1. Seaborn 简介

1.1 为什么需要 Seaborn

Matplotlib 是底层绘图库，功能强大但 API 繁琐。Seaborn 在 Matplotlib 之上提供了：

• 面向 DataFrame 的 API：直接传入 DataFrame 和列名，无需手动提取数组
• 语义映射：hue、style、size 参数自动将数据映射为颜色、样式、大小
• 统计图表：内置均值估计、置信区间、核密度估计等统计功能
• 美观默认样式：开箱即用的专业外观

Seaborn 与 Matplotlib 的关系：Seaborn 不是 Matplotlib 的替代品，而是补充。Seaborn 负责统计图表的快速绘制，Matplotlib 负责精细定制。两者可以无缝混用。

1.2 内置数据集

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

tips = sns.load_dataset('tips')
print(f"Shape: {tips.shape}")
print(f"Columns: {tips.columns.tolist()}")
print(f"\nFirst 5 rows:\n{tips.head()}")
print(f"\nData types:\n{tips.dtypes}")

输出说明：Seaborn 内置多个示例数据集，tips 是最常用的餐厅小费数据集，包含总账单、小费、性别、是否吸烟、日期、时间、人数等字段。这些数据集适合练习各种图表类型。

跨模块参考：Seaborn 的 DataFrame 接口依赖 pandas.md 的数据结构，底层绘图依赖 matplotlib.md。

2. 样式与主题

2.1 五种内置主题

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

themes = ['darkgrid', 'whitegrid', 'dark', 'white', 'ticks']

fig, axes = plt.subplots(1, 5, figsize=(20, 4))
x = np.linspace(0, 10, 50)

for ax, theme in zip(axes, themes):
    plt.sca(ax)
    sns.set_theme(style=theme)
    plt.plot(x, np.sin(x))
    plt.title(f'style="{theme}"')

sns.set_theme(style='whitegrid')
plt.tight_layout()
plt.show()

输出说明：

• darkgrid：深色背景 + 网格，适合数据密集型图表
• whitegrid：白色背景 + 网格，最常用的分析风格
• dark：深色背景无网格
• white：白色背景无网格
• ticks：白色背景 + 刻度线

2.2 全局配置

import seaborn as sns
import matplotlib.pyplot as plt

sns.set_theme(
    style='whitegrid',
    palette='deep',
    font_scale=1.2,
    rc={'figure.figsize': (10, 6)}
)

sns.despine()

输出说明：set_theme 一次性设置样式、调色板、字体缩放和 rcParams。despine() 去除顶部和右侧边框，使图表更简洁。

3. 分布图

3.1 直方图 histplot

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

fig, ax = plt.subplots(figsize=(10, 5))
sns.histplot(data=tips, x='total_bill', bins=30, kde=True, color='steelblue', ax=ax)
ax.set_title('Distribution of Total Bill')
ax.set_xlabel('Total Bill ($)')
plt.show()

输出说明：kde= 在直方图上叠加核密度估计曲线，同时展示离散频数和连续密度。直方图显示总账单呈右偏分布，多数集中在 10-25 美元。

3.2 分组直方图

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

fig, ax = plt.subplots(figsize=(10, 5))
sns.histplot(data=tips, x='total_bill', hue='time', multiple='dodge', bins=20, ax=ax)
ax.set_title('Total Bill by Time of Day')
plt.show()

输出说明：hue='time' 按用餐时间分组着色，multiple='dodge' 使两组柱子并排显示（而非叠加）。其他选项：'layer'（叠加，默认）、'stack'（堆叠）、'fill'（填充百分比）。

3.3 核密度估计 kdeplot

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

fig, ax = plt.subplots(figsize=(10, 5))
sns.kdeplot(data=tips, x='total_bill', hue='time', fill=True, alpha=0.5, ax=ax)
ax.set_title('KDE of Total Bill by Time')
plt.show()

输出说明：KDE（核密度估计）是直方图的平滑版本，不受 bins 选择的影响。fill= 填充曲线下方区域。KDE 更适合比较不同组的分布形态。

为什么 KDE 比直方图更适合比较分布？ 直方图的形状受 bins 数量和起始位置影响，不同参数可能呈现不同形态。KDE 通过核函数平滑，结果更稳定，且曲线更容易视觉比较。

3.4 经验累积分布 ecdfplot

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

fig, ax = plt.subplots(figsize=(10, 5))
sns.ecdfplot(data=tips, x='total_bill', hue='time', ax=ax)
ax.set_title('ECDF of Total Bill by Time')
ax.axhline(y=0.5, color='gray', linestyle='--', alpha=0.5)
plt.show()

输出说明：ECDF（经验累积分布函数）显示小于等于某个值的观测比例。在 y=0.5 处的水平线与曲线的交点即为中位数。ECDF 不做任何平滑假设，是最忠实的分布表示。

3.5 统一接口 displot

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

g = sns.displot(data=tips, x='total_bill', col='time', row='smoker',
                kind='kde', fill=True, height=4, aspect=1.2)
g.fig.suptitle('Distribution by Time and Smoker', y=1.02)
plt.show()

输出说明：displot 是分布图的统一接口，通过 kind 参数选择 'hist'、'kde'、'ecdf'。col 和 row 参数创建分面网格。注意 displot 返回 FacetGrid 对象，不能传入 ax 参数。

4. 关系图

4.1 散点图 scatterplot

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

fig, ax = plt.subplots(figsize=(10, 6))
sns.scatterplot(data=tips, x='total_bill', y='tip', hue='time',
                style='smoker', size='size', sizes=(30, 200), ax=ax)
ax.set_title('Tips vs Total Bill')
plt.show()

输出说明：一个散点图同时编码了四个变量：

• x 轴：总账单
• y 轴：小费
• 颜色（hue）：用餐时间
• 标记样式（style）：是否吸烟
• 标记大小（size）：用餐人数

为什么语义映射比手动编码好？ 手动编码需要为每个类别创建子集并分别绘制，代码冗长且容易出错。Seaborn 的语义映射自动处理图例、配色和标记，代码简洁且一致。

4.2 线图 lineplot

import seaborn as sns
import matplotlib.pyplot as plt

fmri = sns.load_dataset('fmri')

fig, ax = plt.subplots(figsize=(10, 5))
sns.lineplot(data=fmri, x='timepoint', y='signal', hue='event',
             style='region', markers=True, ax=ax)
ax.set_title('FMRI Signal Over Time')
plt.show()

输出说明：lineplot 自动计算每个 x 值对应的均值和置信区间。阴影区域表示 95% 置信区间，线条表示均值。这是 Seaborn 与 Matplotlib ax.plot 的关键区别——Seaborn 自动添加统计摘要。

4.3 统一接口 relplot

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

g = sns.relplot(data=tips, x='total_bill', y='tip', col='time',
                hue='smoker', style='smoker', kind='scatter', height=5)
g.fig.suptitle('Tips by Time and Smoker Status', y=1.02)
plt.show()

输出说明：relplot 是关系图的统一接口，kind='scatter' 或 kind='line'。col 参数创建分面，每个用餐时间一个子图。

5. 分类图

5.1 箱线图 boxplot

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

fig, ax = plt.subplots(figsize=(10, 5))
sns.boxplot(data=tips, x='day', y='total_bill', hue='smoker', ax=ax)
ax.set_title('Total Bill by Day and Smoker Status')
plt.show()

输出说明：箱线图展示五个统计量：最小值、Q1、中位数、Q3、最大值。箱体外的点是异常值（超过 1.5 IQR 的点）。hue 参数按吸烟状态分组，每个日期显示两个箱体。

箱线图各部分解读：

• 箱体下边：Q1（25%分位数）
• 箱体中线：Q2（中位数）
• 箱体上边：Q3（75%分位数）
• 须线：1.5 IQR 范围内的最远点
• 独立点：异常值

5.2 小提琴图 violinplot

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

fig, ax = plt.subplots(figsize=(10, 5))
sns.violinplot(data=tips, x='day', y='total_bill', hue='time',
               split=True, inner='quartile', ax=ax)
ax.set_title('Violin Plot of Total Bill by Day and Time')
plt.show()

输出说明：小提琴图是箱线图与核密度估计的结合。split= 将两个组分别显示在小提琴的两侧，便于对比。inner='quartile' 在内部显示四分位数线。小提琴的宽度表示该位置的密度。

箱线图 vs 小提琴图：箱线图精确展示分位数，适合少量数据；小提琴图展示完整分布形态，适合数据量较大时。小提琴图的信息量更大，但对小样本的 KDE 估计可能不可靠。

5.3 条形图 barplot 与点图 pointplot

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(14, 5))

sns.barplot(data=tips, x='day', y='total_bill', hue='smoker', ax=ax1)
ax1.set_title('Bar Plot (Mean + CI)')

sns.pointplot(data=tips, x='day', y='total_bill', hue='smoker', ax=ax2)
ax2.set_title('Point Plot (Mean + CI)')

plt.tight_layout()
plt.show()

输出说明：

• barplot：柱高表示均值，误差棒表示 95% 置信区间
• pointplot：点表示均值，连线便于比较不同类别间的趋势变化
• 两者都计算均值和置信区间，但 pointplot 更适合展示交互效应

5.4 散点分类图 stripplot 与 swarmplot

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(14, 5))

sns.stripplot(data=tips, x='day', y='total_bill', hue='smoker',
              dodge=True, alpha=0.5, ax=ax1)
ax1.set_title('Strip Plot')

sns.swarmplot(data=tips, x='day', y='total_bill', hue='smoker',
              dodge=True, ax=ax2)
ax2.set_title('Swarm Plot')

plt.tight_layout()
plt.show()

输出说明：

• stripplot：在类别轴上添加随机抖动，避免点重叠
• swarmplot：智能排列点避免重叠，展示每个数据点的精确位置
• dodge= 将 hue 组分开显示

5.5 统一接口 catplot

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

g = sns.catplot(data=tips, x='day', y='total_bill', col='time',
                kind='box', height=5, aspect=0.8)
g.fig.suptitle('Total Bill by Day and Time', y=1.02)
plt.show()

输出说明：catplot 是分类图的统一接口，kind 可选 'box'、'violin'、'bar'、'point'、'strip'、'swarm'。

6. 热力图

6.1 相关性矩阵热力图

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

tips = sns.load_dataset('tips')

corr = tips.select_dtypes(include='number').corr()

fig, ax = plt.subplots(figsize=(8, 6))
mask = np.triu(np.ones_like(corr, dtype=bool))
sns.heatmap(corr, mask=mask, annot=True, fmt='.2f', cmap='coolwarm',
            center=0, square=True, linewidths=0.5, ax=ax)
ax.set_title('Correlation Matrix (Lower Triangle)')
plt.show()

输出说明：

• mask 参数隐藏上三角（因为相关矩阵是对称的）
• annot= 显示相关系数数值
• cmap='coolwarm' 使用发散配色，center=0 以 0 为中心
• square= 使每个单元格为正方形

为什么相关矩阵热力图用发散配色？ 相关系数范围为 [-1, 1]，0 表示无相关。发散配色以 0 为中性色，正值偏暖色，负值偏冷色，使正负相关一目了然。

6.2 数据矩阵热力图

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

flights = sns.load_dataset('flights')
flights_pivot = flights.pivot(index='month', columns='year', values='passengers')

fig, ax = plt.subplots(figsize=(12, 8))
sns.heatmap(flights_pivot, annot=True, fmt='d', cmap='YlOrRd',
            linewidths=0.5, ax=ax)
ax.set_title('Airline Passengers (1949-1960)')
plt.show()

输出说明：flights 数据集展示航空公司月度乘客数。热力图的颜色深浅直观展示数值大小，可以清晰看到乘客数逐年增长和夏季高峰的季节性模式。fmt='d' 格式化整数显示。

6.3 聚类热力图 clustermap

import seaborn as sns
import matplotlib.pyplot as plt

iris = sns.load_dataset('iris')
iris_numeric = iris.select_dtypes(include='number')

g = sns.clustermap(iris_numeric.corr(), annot=True, cmap='coolwarm',
                   center=0, figsize=(8, 8))
g.fig.suptitle('Clustered Correlation Matrix', y=1.02)
plt.show()

输出说明：clustermap 在热力图基础上添加层次聚类，对行和列重新排序使相似项相邻。树状图（dendrogram）显示聚类关系。

7. 回归图

7.1 regplot 与 lmplot

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

fig, ax = plt.subplots(figsize=(10, 6))
sns.regplot(data=tips, x='total_bill', y='tip', scatter_kws={'alpha': 0.5},
            line_kws={'color': 'red'}, ax=ax)
ax.set_title('Regression: Tip vs Total Bill')
plt.show()

输出说明：regplot 绘制散点图并叠加线性回归拟合线和 95% 置信区间带。阴影区域越窄，回归估计越精确。

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

g = sns.lmplot(data=tips, x='total_bill', y='tip', hue='smoker',
               col='time', height=5, aspect=1)
g.fig.suptitle('Regression by Smoker and Time', y=1.02)
plt.show()

输出说明：lmplot 是 regplot 的分面版本，支持 hue、col、row 参数。每个子图独立拟合回归线，可以比较不同组的回归关系。

7.2 多项式拟合与残差

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(14, 5))

sns.regplot(data=tips, x='total_bill', y='tip', order=2,
            scatter_kws={'alpha': 0.5}, ax=ax1)
ax1.set_title('Polynomial Regression (order=2)')

sns.residplot(data=tips, x='total_bill', y='tip', scatter_kws={'alpha': 0.5}, ax=ax2)
ax2.set_title('Residual Plot')
ax2.axhline(y=0, color='red', linestyle='--')

plt.tight_layout()
plt.show()

输出说明：

• order=2 使用二次多项式拟合而非线性
• residplot 绘制残差（观测值 - 拟合值），如果残差随机分布在 0 附近，说明线性模型合适；如果有明显模式，说明需要更高阶模型

8. 多图网格（FacetGrid）

8.1 FacetGrid 分面绘图

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

g = sns.FacetGrid(tips, col='time', row='smoker', height=4, aspect=1.2)
g.map(sns.histplot, 'total_bill', kde=True)
g.add_legend()
g.fig.suptitle('Total Bill Distribution by Time and Smoker', y=1.02)
plt.show()

输出说明：FacetGrid 按分类变量的组合创建子图网格。map 方法将绘图函数应用到每个子图。这是 Seaborn 最强大的功能之一——用少量代码创建复杂的多维可视化。

8.2 PairGrid 变量两两关系

import seaborn as sns
import matplotlib.pyplot as plt

iris = sns.load_dataset('iris')

g = sns.PairGrid(iris, hue='species', height=2.5)
g.map_diag(sns.histplot, kde=True)
g.map_offdiag(sns.scatterplot, alpha=0.6)
g.add_legend()
g.fig.suptitle('Iris PairGrid', y=1.01)
plt.show()

输出说明：PairGrid 创建所有数值变量两两组合的矩阵图。对角线显示单变量分布，非对角线显示双变量散点图。这是 EDA 中最常用的多变量探索工具。

8.3 JointGrid 联合分布

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

g = sns.JointGrid(data=tips, x='total_bill', y='tip', height=8)
g.plot_joint(sns.scatterplot, alpha=0.5, hue=tips['time'])
g.plot_marginals(sns.histplot, kde=True)
g.fig.suptitle('Joint Distribution: Total Bill vs Tip', y=1.01)
plt.show()

输出说明：JointGrid 在中心绘制双变量散点图，在边缘绘制单变量分布。这等价于 matplotlib.md 中用 GridSpec 手动实现的联合分布图，但代码更简洁。

9. 调色板与配色

9.1 三类调色板

import seaborn as sns
import matplotlib.pyplot as plt

fig, axes = plt.subplots(3, 1, figsize=(12, 8))

sns.palplot(sns.color_palette('deep', 8), ax=axes[0])
axes[0].set_title('Categorical: deep')

sns.palplot(sns.color_palette('viridis', 8), ax=axes[1])
axes[1].set_title('Sequential: viridis')

sns.palplot(sns.color_palette('coolwarm', 8), ax=axes[2])
axes[2].set_title('Diverging: coolwarm')

plt.tight_layout()
plt.show()

输出说明：

• 分类调色板（Categorical）：区分离散类别，如 deep、Set2、tab10
• 连续调色板（Sequential）：编码有序数值，如 viridis、rocket、Blues
• 发散调色板（Diverging）：编码以中性值为中心的正负偏差，如 coolwarm、vlag、RdBu

9.2 调色板选择指南

import seaborn as sns

sns.set_palette('colorblind')

10. 与 Matplotlib 协作

10.1 在 Seaborn 图表上叠加 Matplotlib 元素

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

tips = sns.load_dataset('tips')

fig, ax = plt.subplots(figsize=(10, 6))
sns.scatterplot(data=tips, x='total_bill', y='tip', hue='time', ax=ax)

z = np.polyfit(tips['total_bill'], tips['tip'], 1)
p = np.poly1d(z)
x_line = np.linspace(tips['total_bill'].min(), tips['total_bill'].max(), 100)
ax.plot(x_line, p(x_line), color='red', linestyle='--', linewidth=2, label='Trend')

ax.axhline(y=tips['tip'].mean(), color='gray', linestyle=':', alpha=0.5, label='Mean Tip')
ax.set_title('Tips vs Total Bill with Trend Line')
ax.legend()
plt.show()

输出说明：Seaborn 函数返回 Matplotlib 的 Axes 对象，可以在上面叠加任何 Matplotlib 绘图元素。这种混用模式结合了 Seaborn 的便捷性和 Matplotlib 的灵活性。

10.2 使用 ax 参数嵌入子图

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

fig, axes = plt.subplots(2, 2, figsize=(14, 10))
fig.suptitle('Multi-View Analysis of Tips Data', fontsize=14)

sns.histplot(data=tips, x='total_bill', kde=True, ax=axes[0, 0])
axes[0, 0].set_title('Distribution')

sns.scatterplot(data=tips, x='total_bill', y='tip', hue='time', ax=axes[0, 1])
axes[0, 1].set_title('Scatter')

sns.boxplot(data=tips, x='day', y='total_bill', ax=axes[1, 0])
axes[1, 0].set_title('Box Plot')

corr = tips.select_dtypes(include='number').corr()
sns.heatmap(corr, annot=True, cmap='coolwarm', center=0, ax=axes[1, 1])
axes[1, 1].set_title('Correlation')

plt.tight_layout()
plt.show()

输出说明：通过 ax 参数将 Seaborn 图表嵌入 Matplotlib 的子图布局中，实现复杂的多图组合。这是制作数据分析报告最常用的模式。

11. 速查表

11.1 图表类型速查

11.2 语义映射参数

11.3 统一接口

12. 延伸阅读

• Seaborn 官方文档：https://seaborn.pydata.org/
• Seaborn Gallery：https://seaborn.pydata.org/examples/
• Python Data Visualization Cookbook (Igor Milovanovic)
• Seaborn Tutorial：https://seaborn.pydata.org/tutorial.html