An introduction to seaborn

Rui Qin

1. Introduction

Data visualization is an important part of data analysis. In STATW 5702, we learned how to create graphs of data by ggplot2, a data visualization package in R. Likewise, there are some libraries in Python able to do the same job as ggplot2. Seaborn is a data visualization tool based on Python library, matplotlib. Like ggplot2 in R, seaborn can create multiple kinds of statistical graphs for exploratory and explanatory purpose. In this file I will show some examples of graphs that we have learnt in class and I will use three languages, English, Chinese, and Japanese, to briefly explain them.

数据可视化是数据分析中非常重要的一部分。课上，我们学习并掌握了R语言中通过ggplot2绘制统计图表。Python中也有同样的数据可视化库包括matplotlib和seaborn。他们均可以将数据框中的数据以图标的形式表现出来，以此达到数据分析的目的。这里我将用seaborn展示几组课上学过的常用图表绘制方法。

データ可視化はデータ解析にとってとても重要なんです。クラスでggplot2とRを利用し、統計グラフを作るのが勉強しました。同様に、Pythonのデータ可視化ライブラリもあります。よく使われるのはmatplotlibとseabornです。ggplot2のように、seabornは色々な統計グラフを作れます。これから、私はseabornの使い方を説明したいと思います。

2. Installing/安装/インストール

There are two ways to install seaborn:

• pip install seaborn (by PyPI)
• conda install seaborn (by Anaconda)

seaborn可通过两种方式安装：

• pip install seaborn (使用PyPI)
• conda install seaborn (使用Anaconda)

seabornのインストール方法は二つあります：

• pip install seaborn (PyPIから)
• conda install seaborn (Anacondaから)

#Import libraries
#导入可视化库
#ライブラリの準備
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn import datasets

#Load iris and penguins data
#导入数据
#データの準備
df = datasets.load_iris(as_frame=True).data
df["class"] = datasets.load_iris(as_frame=True).target.replace([0, 1, 2], ["Setosa", "Versicolour", "Virginica"])
df_2 = sns.load_dataset("penguins")

#Adjust size of plots
#调整图表大小
#グラフのサイズを変える
plt.rcParams["figure.figsize"] = (12,8)

3. Histogram/直方图/柱図表

Often data scientists would like to know distributions of continuous variables. Histogram is one of the most widely used tools that visually present distributions of data.

通常我们需要知道变量的分布情况。直方图有着能直观地呈现变量分布的优点，所以我们经常采用以分析连续变量。

連続変数の分布状況直にをあらわせるので、柱図表はよく使われています。

• We can create a histogram using the function histplot()
• 通过函数histplot()可以绘制一张简易的直方图
• histplot()で、柱図表が作られます

#Set style
#设置风格
#スタイルのセッティング
sns.set_style("dark")

#create histogram
#绘制直方图
#柱図表を作ります
sns.histplot(x = df["sepal length (cm)"])

<AxesSubplot:xlabel='sepal length (cm)', ylabel='Count'>

• To create a histogram horizontally, unlike ggplot2 where we use coord_flip(), we can simply map the variable to y axis in seaborn
• 将数据放置在y轴上可生成一张水平直方图
• y = データにして、水平な柱図表を作れます

#create histogram
#绘制直方图
#柱図表を作ります
sns.histplot(y = df["sepal length (cm)"])

<AxesSubplot:xlabel='Count', ylabel='sepal length (cm)'>

• Similar to ggplot2, we can adjust bin width by change values of either parameters, binwidth or bin.
• 调整参数binwidth或者bin，可以改变组距
• binwidthとbin変えれば、ビンの幅は変わります

#create histogram
#绘制直方图
#柱図表を作ります
sns.histplot(x = df["sepal length (cm)"], binwidth = 1)

<AxesSubplot:xlabel='sepal length (cm)', ylabel='Count'>

• Create a cumulative frequency histogram by setting parameter cumulative to true
• 设置参数cumulative可绘制累积直方图
• cumulative = Trueにして、累積ヒストグラムを作れます

#create histogram
#绘制直方图
#柱図表を作ります
sns.histplot(x = df["sepal length (cm)"], cumulative = True)

<AxesSubplot:xlabel='sepal length (cm)', ylabel='Count'>

4. Scatterplot/散点图/散布図

To show correlation between continuous variables, we use scatterplot in exploratory analysis.

散点图可用之判断两连续变量之间的关系。

散布図によって、二つの連続変数の関係を見えます。

• By specifying two variables in x, y axis in function scatterplot(), we can create a scatterplot
• 将两个变量分别放置在x与y轴上，通过函数scatterplot()可绘制一张散点图
• scatterplot()で、散布図を作れます

#create scatterplot
#绘制散点图
#散布図を作ります
sns.scatterplot(x = df["sepal length (cm)"], y = df["sepal width (cm)"])

<AxesSubplot:xlabel='sepal length (cm)', ylabel='sepal width (cm)'>

• We can also paint data in different colors according to categorical data
• 根据分类数据，可以更改数据点的颜色加以区别
• カテゴリ変数次第、色分けます

#create scatterplot
#绘制散点图
#散布図を作ります
sns.scatterplot(x = df["sepal length (cm)"], y = df["sepal width (cm)"], hue = df["class"])

<AxesSubplot:xlabel='sepal length (cm)', ylabel='sepal width (cm)'>

• Or change the shape of dots
• 或者使用形状区分
• 形で分けます

#create scatterplot
#绘制散点图
#散布図を作ります
sns.scatterplot(x = df["sepal length (cm)"], y = df["sepal width (cm)"], style = df["class"])

<AxesSubplot:xlabel='sepal length (cm)', ylabel='sepal width (cm)'>

• Scatterplot matrices can compare multiple variables to each other
• 散点图矩阵可以清楚直观地展示多个变量之间的关系
• 散布図行列で、複数の変数の関係を研究できます

#create scatterplot matrix
#绘制散点图矩阵
#散布図行列を作ります
sns.pairplot(df, hue = "class")

<seaborn.axisgrid.PairGrid at 0x27ac4264c48>

5. Boxplot/箱型图/箱ひげ図

Compared to histogram and scatterplot, Boxplot is better at showing median, range, and outliers.

相较于直方图与散点图， 箱型图能更好地展示中位数，间距，以及异常值。

柱図表と散布図より、箱ひげ図の方が中央値と範囲と外れ値を見やすいです。

#create boxplot
#绘制箱型图
#箱ひげ図を描きます
sns.boxplot(x = "class", y = "sepal length (cm)", data = df)

<AxesSubplot:xlabel='class', ylabel='sepal length (cm)'>

6. Violin Plot/小提琴图/バイオリン図

It's said that boxplot fails to show distribution of variables. Hence, we could use violin plot.

然而，箱型图难以描绘出变量的分布情况。因此我们使用小提琴图弥补这一缺陷。

箱ひげ図が変数の分布状況描けないと言ったから、バイオリン図を使います。

#create violin plot
#绘制小提琴图
#バイオリン図を作ります
sns.violinplot(x = "class", y = "sepal length (cm)", data = df)

<AxesSubplot:xlabel='class', ylabel='sepal length (cm)'>

7. Bar chart/柱状图/棒グラフ

For categorical data, we can use bar chart.

使用柱状图以展示分类数据。

棒グラフで、カテゴリ変数を解析します。

• A bar chart can be created by the function countplot()
• 使用函数countplot()绘制柱状图
• countplot()利用して、棒グラフが作られます

#create bar chart
#绘制柱状图
#棒グラフを作ります
sns.countplot(df_2.species)

<AxesSubplot:xlabel='species', ylabel='count'>

• Faceting/分面/ファセット

#Create a bar chart faceted by sex variable in penguins data
#通过性别分类，绘制两张柱状图
#性別にわけて、二つのグラフを作ります
grid = sns.FacetGrid(col = "sex", data = df_2, height = 5)

#Change value of height to adjust plot size
#调整图表大小
#グラフのサイズを変えます
grid.map(sns.countplot, "species")

<seaborn.axisgrid.FacetGrid at 0x27ac69ec448>

• Grouped bar chart/分组柱状图/グループ化された棒グラフ

#create bar chart
#绘制柱状图
#棒グラフを作ります
sns.countplot(x = df_2.species, hue = df_2.sex)

<AxesSubplot:xlabel='species', ylabel='count'>

8. Style

There are five styles to choose in seaborn: darkgrid, whitegrid, dark, white, and ticks. According to different exploratory or explanatory purposes, different styles can be chosen so that graphs are easy to understand.

seaborn中总共有五种风格可供选择：darkgrid， whitegrid， dark， white， 和ticks。根据不同情况，可以选择不同的风格确保表格清晰易懂。

seabornの中に、スタイルは五つあります：darkgridとwhitegridとdarkとwhiteとticks。スタイルを選んで、グランを理解やすくします。

• Style can be changed by function set_style()
• 通过函数set_style()可改变图表风格
• set_style()で、スタイルを変えます

#Present four styles used in seaborn
#展示四种图表风格
#四つのスタイルのグラフを作ります
fig = plt.figure()
gs = plt.GridSpec(2, 2)
with sns.axes_style("darkgrid"):
    ax = fig.add_subplot(gs[0, 0])
    sns.scatterplot(x = df["sepal length (cm)"], y = df["sepal width (cm)"])
with sns.axes_style("dark"):
    ax = fig.add_subplot(gs[0, 1])
    sns.scatterplot(x = df["sepal length (cm)"], y = df["sepal width (cm)"])
with sns.axes_style("whitegrid"):
    ax = fig.add_subplot(gs[1, 0])
    sns.scatterplot(x = df["sepal length (cm)"], y = df["sepal width (cm)"])
with sns.axes_style("white"):
    ax = fig.add_subplot(gs[1, 1])
    sns.scatterplot(x = df["sepal length (cm)"], y = df["sepal width (cm)"])
plt.show()

8. External resources/参考资料/引用

https://seaborn.pydata.org/index.html#