In [1]:

from datetime import datetime
print(f'Päivitetty {datetime.now().date()} / Aki Taanila')

Päivitetty 2024-07-06 / Aki Taanila

Seaborn¶

Matplotlib on grafiikan peruspaketti. Seaborn on matplotlibin päälle rakennettu grafiikka-paketti, joka tarjoaa helppoja tapoja kaavioiden luontiin suoraan datasta. Kaavioita voin muotoilla kuten mitä tahansa matplotlib-kaavioita, joten muotoilu edellyttää matplotlib-osaamista.

Tässä muistiossa on esimerkkejä seuraavista kaaviolajeista:

countplot - lukumääräyhteeveto kategoriselle muuttujalle
histplot - luokiteltu jakauma määrälliselle muuttujalle
barplot - virhemarginaaleilla varustettu pylväskaavio keskiarvoista
boxplot - viiden luvun yhteeveto (pienin, alaneljännes, mediaani, yläneljännes, suurin)
scatterplot - hajontakaavio, joka havainnollistaa kahden määrällisen muuttujan välistä riippuvuutta
jointplot - hajontakaavio täydennettynä muuttujien jakaumilla

Tässä muistiossa on myös esimerkkejä usean kaavion kuvioista käyttäen catplot-, displot- ja relplot-funktioita.

Seaborn-kaavioita on helppo laatia, jos muistaa keskeiset parametrit:

data
x
y
hue (minkä muuttujan mukaan tehdään värierottelu?)
row (yhdistelmäkaavioiden catplot, displot ja relplot yhteydessä)
col (yhdistelmäkaavioiden catplot, displot ja relplot yhteydessä)
kind (kaaviolaji yhdistelmäkaavioiden catplot, displot ja relplot yhteydessä)

Seaborn-kaavioiden värit ja koot¶

Kaavion luonnissa voin määrittää värin color-parametrin arvona. Esimerkiksi tämän muistion ensimmäiseen kaavioon saan pylväille vihreän värin seuraavasti: sns.countplot(data=tips, x='size', color='green'). Reunavärin voin määrittää edgecolor-parametrilla.

Värejä: https://matplotlib.org/stable/gallery/color/named_colors.html

Kaavion luonnissa voit määrittää käytettävän värikartan palette-parametrilla.

Värikarttoja: https://matplotlib.org/stable/tutorials/colors/colormaps.html

Yksittäisen kaavion koon voin määrittää luomalla kaaviota ympäröivän kuvion (figure) ennen kaavion luomista. Esimerkiksi plt.figure(figsize=(10,6)).

Yhdistelmäkaavion (catplot, displot, relplot, jointplot) kokoa säädän height- ja aspect-parametreillä.

In [2]:

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

# Käytetään valmista tyylimäärittelyä (vaihtoehtoja 'darkgrid', 'white', 'dark')
sns.set_style('whitegrid')

In [3]:

tips = sns.load_dataset('tips')    # Esimerkkidata ravintolaseurueiden tipeistä
tips

Out[3]:

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4
...	...	...	...	...	...	...	...
239	29.03	5.92	Male	No	Sat	Dinner	3
240	27.18	2.00	Female	Yes	Sat	Dinner	2
241	22.67	2.00	Male	Yes	Sat	Dinner	2
242	17.82	1.75	Male	No	Sat	Dinner	2
243	18.78	3.00	Female	No	Thur	Dinner	2

244 rows × 7 columns

countplot¶

Sopii kategoristen muuttujien lukumääräyhteenvetoihin: https://seaborn.pydata.org/generated/seaborn.countplot.html

In [4]:

# Eri kokoisten seurueiden lukumäärät
plt.figure(figsize=(4, 3))
sns.countplot(data=tips, x='size')

Out[4]:

<Axes: xlabel='size', ylabel='count'>

In [5]:

# Lounas- ja päivällisseurueiden lukumäärät eri viikonpäivinä
plt.figure(figsize=(4, 3))
sns.countplot(data=tips, x='day', hue='time')

Out[5]:

<Axes: xlabel='day', ylabel='count'>

countplot sopii käytettäväksi catplot-toiminnon yhteydessä (kind='count'). Tällöin voin esittää useita kaavioita kategoristen muuttujien määräämille ryhmille. Seuraavassa ryhmittelevinä kategorisina muuttujina ovat sex (col='sex') ja smoker (row='smoker').

https://seaborn.pydata.org/generated/seaborn.catplot.html

In [6]:

# Lounas- ja päivällisseurueiden lukumäärät sukupuolen ja tupakoinnin mukaan
sns.catplot(data=tips, x='time', col='sex', row='smoker', kind='count', height=2.5)

Out[6]:

<seaborn.axisgrid.FacetGrid at 0x1579ac26fc0>

histplot¶

Sopii määrällisen muuttujan luokitellun jakauman esittämiseen: https://seaborn.pydata.org/generated/seaborn.histplot.html

In [7]:

sns.histplot(data=tips, x='total_bill')    # Laskun loppusummien jakauma

Out[7]:

<Axes: xlabel='total_bill', ylabel='Count'>

In [8]:

# Itse määritellyt luokkarajat
sns.histplot(data=tips, x='total_bill', bins=[0, 10, 20, 30, 40, 50, 60])

Out[8]:

<Axes: xlabel='total_bill', ylabel='Count'>

histplot sopii käytettäväksi displot-funktion yhteydessä (kind='hist'). Tällöin voin esittää useita histogrammeja kategoristen muuttujien määräämille ryhmille: https://seaborn.pydata.org/generated/seaborn.displot.html

In [9]:

# tipin jakaumat tupakoinnin ja ajan mukaan
sns.displot(data=tips, x='tip', row='smoker', col='time', kind='hist', height=2.5)

Out[9]:

<seaborn.axisgrid.FacetGrid at 0x1579b565ac0>

barplot¶

Sopii keskiarvojen esittämiseen. Musta viiva havainnoillistaa virhemarginaalin (luottamusväli): https://seaborn.pydata.org/generated/seaborn.barplot.html

In [10]:

# Eri päivien tippien keskiarvot
plt.figure(figsize=(4, 3))
sns.barplot(data=tips, x='day', y='tip')

Out[10]:

<Axes: xlabel='day', ylabel='tip'>

In [11]:

# Eri päivien tippien keskiarvot sukupuolen mukaan
sns.barplot(data=tips, x='day', y='tip', hue='sex')
plt.legend(ncol=2)

Out[11]:

<matplotlib.legend.Legend at 0x1579b4d5d30>

barplot sopii käytettäväksi catplot-funktion yhteydessä (kind='bar'). Tällöin voin esittää useita kaavioita kategoristen muuttujien määräämille ryhmille: https://seaborn.pydata.org/generated/seaborn.catplot.html

In [12]:

# Eri päivien tippien keskiarvot tupakoinnin mukaan
sns.catplot(data=tips, x='day', y='tip', col='smoker', kind='bar', height=3)

Out[12]:

<seaborn.axisgrid.FacetGrid at 0x1579ac27ad0>

boxplot¶

Havainnollistaa viiden luvun yhteenvedon (pienin, alaneljännes, mediaani, yläneljännes, suurin). Muista selvästi poikkeavat havainnot esitetään erillisinä pisteinä. Lue lisää: https://seaborn.pydata.org/generated/seaborn.boxplot.html

In [13]:

# Tipin suuruuden jakauma tunnuslukuina
plt.figure(figsize=(3, 3))
sns.boxplot(data=tips, x='tip', showmeans=True)

Out[13]:

<Axes: xlabel='tip'>

In [14]:

# Tipin suuruus lounas- ja päivällisseurueille
plt.figure(figsize=(3, 3))
sns.boxplot(data=tips, x='time', y='tip')

Out[14]:

<Axes: xlabel='time', ylabel='tip'>

boxplot sopii käytettäväksi catplot-funktion yhteydessä (kind='box'). Tällöin voin esittää useita kaavioita kategoristen muuttujien määräämille ryhmille: https://seaborn.pydata.org/generated/seaborn.catplot.html

In [15]:

# Laskun loppusumma seurueen koon ja ajan mukaan
sns.catplot(data=tips, x='size', y='total_bill', col='time', kind='box', height=3)

Out[15]:

<seaborn.axisgrid.FacetGrid at 0x1579b95a570>

scatterplot

Havainnollistaa kahden määrällisen muuttujan välisen riippuvuuden: https://seaborn.pydata.org/generated/seaborn.scatterplot.html

In [16]:

plt.figure(figsize=(3, 3))
sns.scatterplot(data=tips, x='total_bill', y='tip', hue='time')

Out[16]:

<Axes: xlabel='total_bill', ylabel='tip'>

scatterplot sopii käytettäväksi relplot-funktion yhteydessä (kind='scatter'). Tällöin voin esittää useita kaavioita kategoristen muuttujien määräämille ryhmille: https://seaborn.pydata.org/generated/seaborn.relplot.html

In [17]:

# Laskun loppusumma ajan mukaan. Värierottelu tupakoinnin mukaan.
sns.relplot(data=tips, x='total_bill', y='tip', col='time', hue='smoker', kind='scatter', height=3)

Out[17]:

<seaborn.axisgrid.FacetGrid at 0x1579ca2db50>

jointplot¶

Havainnollistaa kahden määrällisen muuttujan välisen riippuvuuden ja esittää samalla kummankin muuttujan jakaumat: http://seaborn.pydata.org/generated/seaborn.jointplot.html

In [18]:

# Laskun loppusumman ja tipin välinen riippuvuus
sns.jointplot(data=tips, x='total_bill', y='tip', kind='reg', height=4)

Out[18]:

<seaborn.axisgrid.JointGrid at 0x1579cc38f20>

In [19]:

# Värierottelu ajan mukaan
sns.jointplot(data=tips, x='total_bill', y='tip', hue='time', height=4)

Out[19]:

<seaborn.axisgrid.JointGrid at 0x1579cd248f0>

Lisätietoa¶

Lisätietoa löydät kaaviolaji-kohtaisista muistioistani:

countplot ja catplot https://nbviewer.org/github/taanila/kaaviot/blob/master/sns_count.ipynb
histplot ja displot https://nbviewer.org/github/taanila/kaaviot/blob/master/sns_hist.ipynb
barplot ja catplot https://nbviewer.org/github/taanila/kaaviot/blob/master/sns_bar.ipynb
boxplot ja catplot https://nbviewer.org/github/taanila/kaaviot/blob/master/sns_box.ipynb
scatterplot ja relplot, pairplot https://nbviewer.org/github/taanila/kaaviot/blob/master/sns_scatter.ipynb