3.4.3 Seaborn 统计可视化
本节定位
很多新人在 Matplotlib 和 Seaborn 之间最容易混的一点是：
- 这两个库到底谁负责什么
最稳的理解方式是：
Matplotlib更像基础画图工具箱Seaborn更像已经帮你配好默认样式和统计图模板的高级工具
所以这节最重要的不是再学一个新库，而是学会：
怎样更快地把探索性分析图画清楚。
学习目标
- 理解 Seaborn 与 Matplotlib 的关系
- 掌握分布图、关系图、分类图
- 学会绘制热力图与相关性矩阵
- 使用 FacetGrid 进行分面绑图
先建立一张地图
Seaborn 最适合新人的理解顺序不是“函数表”，而是先看清它最擅长的 4 类问题：
所以这节真正想解决的是：
- 当你在做 EDA 时，哪种图最适合先拿出来
- 为什么
Seaborn会比纯Matplotlib更适合快速探索
Seaborn 是什么？
如果把 Matplotlib 比作画笔和颜料，那 Seaborn 就是画笔套装 + 调色板 + 模板。
| 对比 | Matplotlib | Seaborn |
|---|---|---|
| 定位 | 底层绑图库 | 高级统计绘图库 |
| 代码量 | 多，需要手动设置 | 少，开箱即用 |
| 默认美观度 | 一般 | 非常美观 |
| 数据格式 | 数组、列表 | 直接用 DataFrame |
| 统计功能 | 需要手动计算 | 自动计算均值、置信区间等 |
| 定制能力 | 极强 | 中等（可借助 Matplotlib 补充） |
一句话总结： Seaborn 让你用 1 行代码画出 Matplotlib 需要 10 行才能完成的美观统计图。
一个更适合新人的总类比
你可以把 Seaborn 理解成：
- 已经帮你摆好盘的数据可视化工具
Matplotlib 像你自己从锅碗瓢盆开始摆，
Seaborn 则像已经帮你配好餐具和默认风格，
你更容易把注意力放在：
- 这张图到底想看什么统计现象
安装与导入
# 安装
# python -m pip install --upgrade seaborn
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
# Seaborn 自带的示例数据集
tips = sns.load_dataset("tips") # 餐厅小费数据
iris = sns.load_dataset("iris") # 鸢尾花数据
titanic = sns.load_dataset("titanic") # 泰坦尼克号数据
# 设置全局风格
sns.set_theme(style="whitegrid") # 白底网格，清爽好看
常用风格一览
| 风格 | 说明 | 适合场景 |
|---|---|---|
"whitegrid" | 白底 + 网格 | 数值对比（推荐默认） |
"darkgrid" | 灰底 + 网格 | 强调数据点 |
"white" | 纯白底 | 论文、报告 |
"dark" | 灰底 | 艺术风格 |
"ticks" | 白底 + 刻度线 | 简洁专业 |
分布图：数据长什么样？
分布图帮你回答：这组数据的值集中在哪里？分散程度如何？是否有偏斜？
第一次做 EDA 时，最稳的默认顺序
更稳的顺序通常是：
- 先看分布图 先知道数据集中在哪、偏不偏。
- 再看关系图 看变量之间有没有明显关系。
- 再看分类图 看不同组之间差别大不大。
- 最后再看热力图 把整体相关性快速扫一遍。
这个顺序特别适合新人，因为它会让探索过程更有主线。
histplot：直方图
fig, axes = plt.subplots(1, 3, figsize=(15, 4))
# 基本直方图
sns.histplot(data=tips, x="total_bill", ax=axes[0])
axes[0].set_title("基本直方图")
# 添加密度曲线
sns.histplot(data=tips, x="total_bill", kde=True, ax=axes[1])
axes[1].set_title("直方图 + 密度曲线")
# 按类别分颜色
sns.histplot(data=tips, x="total_bill", hue="time", kde=True, ax=axes[2])
axes[2].set_title("按用餐时间分组")
plt.tight_layout()
plt.show()
kdeplot：核密度估计
fig, axes = plt.subplots(1, 2, figsize=(12, 4))
# 一维密度
sns.kdeplot(data=tips, x="total_bill", hue="sex", fill=True, ax=axes[0])
axes[0].set_title("消费金额密度分布")
# 二维密度（等高线）
sns.kdeplot(data=tips, x="total_bill", y="tip", fill=True, cmap="Blues", ax=axes[1])
axes[1].set_title("消费 vs 小费 联合密度")
plt.tight_layout()
plt.show()
什么是 KDE？
KDE（核密度估计）可以理解为"平滑版的直方图"。它用一条连续的曲线来估计数据的概率密度，比直方图更平滑、更容易对比。
rugplot：地毯图
fig, ax = plt.subplots(figsize=(8, 4))
sns.kdeplot(data=tips, x="total_bill", fill=True, ax=ax)
sns.rugplot(data=tips, x="total_bill", ax=ax, alpha=0.5)
ax.set_title("密度曲线 + 地毯图（每条线代表一个数据点）")
plt.show()
关系图：变量之间有什么关系？
scatterplot：散点图
fig, axes = plt.subplots(1, 2, figsize=(14, 5))
# 基本散点图，用颜色区分类别
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time", ax=axes[0])
axes[0].set_title("消费 vs 小费")
# 用大小和颜色同时表示信息
sns.scatterplot(data=tips, x="total_bill", y="tip",
hue="day", size="size", sizes=(20, 200), ax=axes[1])
axes[1].set_title("多维度散点图")
plt.tight_layout()
plt.show()
lineplot：折线图（带置信区间）
# 模拟实验数据：每个 x 有多个 y 值
rng = np.random.default_rng(seed=42)
data = pd.DataFrame({
"step": np.tile(np.arange(1, 51), 10),
"accuracy": np.tile(np.linspace(0.5, 0.95, 50), 10) + rng.normal(0, 0.03, 500),
"model": np.repeat(["模型 A", "模型 B"], 250)
})
fig, ax = plt.subplots(figsize=(10, 5))
sns.lineplot(data=data, x="step", y="accuracy", hue="model", ax=ax)
ax.set_title("模型训练准确率变化（阴影 = 95% 置信区间）")
plt.show()
Seaborn 的自动统计
当同一个 x 值对应多个 y 值时，lineplot 会自动计算均值和 95% 置信区间。这在展示实验结果时非常有用！
pairplot：变量两两关系一览
# 鸢尾花数据集的所有变量关系
sns.pairplot(iris, hue="species", diag_kind="kde", corner=True)
plt.suptitle("鸢尾花数据集特征关系", y=1.02)
plt.show()
pairplot 一行代码就能展示所有变量之间的关系，是数据探索阶段的利器。
分类图：不同组有何差异？
分类图是 Seaborn 的强项，帮你比较不同类别之间的数据分布和统计量。
一个很适合初学者先记的选图表
| 你最想回答的问题 | 更稳的第一选择 |
|---|---|
| 这一列值大概怎么分布？ | histplot |
| 两个变量有没有关系？ | scatterplot |
| 两组或多组分布差很多吗？ | boxplot / violinplot |
| 哪个类别样本更多？ | countplot |
| 多个数值变量相关吗？ | heatmap |
这张表会让新人少走很多弯路，因为你不用一开始就被函数名压住。
boxplot：箱线图
fig, axes = plt.subplots(1, 2, figsize=(14, 5))
# 基本箱线图
sns.boxplot(data=tips, x="day", y="total_bill", ax=axes[0])
axes[0].set_title("各日消费分布")
# 用颜色区分子类
sns.boxplot(data=tips, x="day", y="total_bill", hue="sex", ax=axes[1])
axes[1].set_title("各日消费分布（按性别）")
plt.tight_layout()
plt.show()
如何看箱线图
最大值（上须）
│
┌───────┤
│ 上四分位(Q3) ─── 75% 的数据在此以下
│ │
│ 中位数(Q2) ──── 50% 分位
│ │
│ 下四分位(Q1) ─── 25% 的数据在此以下
└───────┤
│
最小值（下须）
● 异常值（超出须线的点）
箱体越高，数据越分散；中线越靠上，数据整体越大。
violinplot：小提琴图
fig, ax = plt.subplots(figsize=(10, 5))
sns.violinplot(data=tips, x="day", y="total_bill", hue="sex",
split=True, inner="quart", ax=ax)
ax.set_title("各日消费分布（小提琴图，左女右男）")
plt.show()
小提琴图 = 箱线图 + 密度分布，比箱线图能看到更多分布形状。
barplot：均值柱状图（带误差线）
fig, ax = plt.subplots(figsize=(8, 5))
sns.barplot(data=tips, x="day", y="total_bill", hue="sex",
ci=95, ax=ax) # ci=95 表示 95% 置信区间
ax.set_title("各日平均消费（误差线 = 95% 置信区间）")
plt.show()
barplot 的误差线
Seaborn 的 barplot 默认会在每个柱子上加误差线（bootstrap 置信区间）。这不是标准差！如果想用标准差，设置 ci="sd"。
countplot：计数图
fig, axes = plt.subplots(1, 2, figsize=(12, 4))
# 简单计数
sns.countplot(data=tips, x="day", order=["Thur", "Fri", "Sat", "Sun"], ax=axes[0])
axes[0].set_title("各天就餐人次")
# 分组计数
sns.countplot(data=titanic, x="class", hue="survived", ax=axes[1])
axes[1].set_title("各舱位生存情况")
plt.tight_layout()
plt.show()
热力图（Heatmap）
热力图用颜色深浅表示数值大小，最常用于相关性矩阵。
绘制相关性矩阵
# 计算数值列的相关系数
# 选取 tips 中的数值列
numeric_cols = tips.select_dtypes(include="number")
corr = numeric_cols.corr()
fig, ax = plt.subplots(figsize=(8, 6))
sns.heatmap(corr, annot=True, fmt=".2f", cmap="RdBu_r",
center=0, vmin=-1, vmax=1,
square=True, linewidths=0.5, ax=ax)
ax.set_title("小费数据集相关性矩阵")
plt.tight_layout()
plt.show()
关键参数：
| 参数 | 作用 | 常用值 |
|---|---|---|
annot | 显示数值 | True |
fmt | 数值格式 | ".2f" 两位小数 |
cmap | 颜色映射 | "RdBu_r" 红蓝反转 |
center | 颜色中心值 | 0（相关系数） |
square | 正方形格子 | True |
自定义热力图
# 交叉表热力图（比如各天各时段的平均消费）
pivot = tips.pivot_table(values="total_bill", index="day", columns="time", aggfunc="mean")
fig, ax = plt.subplots(figsize=(6, 4))
sns.heatmap(pivot, annot=True, fmt=".1f", cmap="YlOrRd",
linewidths=1, ax=ax)
ax.set_title("各天各时段平均消费")
plt.show()
FacetGrid：分面绑图
当你想按某个变量把图表拆成多个子图时，用 FacetGrid。
# 按用餐时间分面，展示消费与小费的关系
g = sns.FacetGrid(tips, col="time", row="sex", hue="smoker",
height=4, aspect=1.2)
g.map_dataframe(sns.scatterplot, x="total_bill", y="tip")
g.add_legend()
g.fig.suptitle("按时间和性别分面的消费-小费关系", y=1.02)
plt.show()
更多分面示例
# 按星期分面的直方图
g = sns.FacetGrid(tips, col="day", col_wrap=2, height=3)
g.map_dataframe(sns.histplot, x="total_bill", kde=True)
g.set_titles("星期: {col_name}")
g.fig.suptitle("各日消费分布", y=1.02)
plt.show()
| 参数 | 作用 |
|---|---|
col | 按此变量分列 |
row | 按此变量分行 |
hue | 按此变量分颜色 |
col_wrap | 每行最多几列（自动换行） |
height | 每个子图高度 |
aspect | 宽高比 |
为什么分面特别适合做探索？
因为它能帮你把：
- “整体看起来还行”
拆成：
- 在不同类别、不同分组下到底哪里不一样
这对新人很重要，因为很多数据问题并不是整体分布能看出来的，而是：
- 一旦分组，就会暴露得很明显
Seaborn 常用图表速查
小结
| 需求 | 函数 | 说明 |
|---|---|---|
| 查看分布 | histplot / kdeplot | 直方图 / 密度曲线 |
| 两变量关系 | scatterplot / lineplot | 散点图 / 折线图 |
| 所有变量关系 | pairplot | 一键矩阵图 |
| 类别间对比 | boxplot / violinplot / barplot | 分布 / 均值 |
| 类别计数 | countplot | 柱状图 |
| 数值矩阵 | heatmap | 热力图 |
| 分面展示 | FacetGrid | 多子图 |
核心优势： 一行代码就能画出美观且含统计信息的图表，直接传入 DataFrame 即可。
这节最该带走什么
Seaborn最重要的价值，不是更花哨，而是更适合快速做统计探索- 第一次做 EDA，先看分布，再看关系，再看分类比较，通常最稳
- 选图时先问“我想看什么统计现象”，比先背函数更重要
动手练习
练习 1：探索数据分布
# 加载 tips 数据集
# 1. 用 histplot 画出 tip（小费）的分布，按 time 分颜色
# 2. 用 kdeplot 画出 total_bill 的密度曲线，按 sex 分组
练习 2：分类比较
# 加载 titanic 数据集
# 1. 用 boxplot 比较各舱位 (class) 的年龄 (age) 分布
# 2. 用 countplot 展示各舱位的生存人数
练习 3：相关性分析
# 加载 iris 数据集
# 1. 计算数值列的相关系数矩阵
# 2. 用 heatmap 可视化，添加数值标注
# 3. 用 pairplot 查看所有变量关系
练习 4：分面绑图
# 使用 tips 数据集
# 用 FacetGrid 按 day 分面，画出 total_bill 和 tip 的散点图
# 用颜色区分 sex