了解 Seaborn 的数据输入要求

Seaborn 简化了创建美观且统计信息丰富的图表的流程。这种简化很大程度上源于 Seaborn 对其绘图函数数据提供方式的预期。Matplotlib 通常能很好地处理表示单个变量的简单列表或 NumPy 数组，而 Seaborn 主要设计用于处理结构化数据集，最常见的是 Pandas DataFrame。

整洁数据的重要性

许多 Seaborn 函数在您的数据采用“整洁”格式（也称为长格式数据）时表现最佳。整洁数据是一种组织表格数据的约定，它与统计分析和可视化非常吻合。主要原则是：

1. 每个变量形成一列。 您测量或观察到的每个不同信息（例如温度、身高、类别、时间）都应有其自己的列。
2. 每个观测值形成一行。 您测量的每个不同实例或单位都构成一行。
3. 每种观测单位形成一个表。 如果您测量不同类型的事物，它们最好位于单独的表（或 DataFrame）中。

设想一个简单的电子表格，其中列代表测量值（例如“日期”、“温度”、“降雨量”），每行代表一个具体的观测值（例如周一的数据，周二的数据）。这种结构使得告知绘图函数将哪个变量映射到哪个视觉属性（如 x 轴、y 轴或颜色）变得简单明了。

使用 Pandas DataFrame

向 Seaborn 提供数据最常用且推荐的方式是通过 Pandas DataFrame。这与整洁数据的观念自然契合。Seaborn 函数通常包含一个 data 参数，您在此处传递整个 DataFrame。然后，您可以使用 x、y、hue、size 或 style 等其他参数来指定 DataFrame 中的哪些列应用于图表的不同方面。您以字符串形式提供列的名称。

我们来看一个例子。假设您有一个名为 weather_df 的 Pandas DataFrame，其中包含“Day”、“Temperature”、“Humidity”和“City”列。

# 假设 pandas 已导入为 pd，seaborn 已导入为 sns
# 假设 weather_df 是一个如下所示的 DataFrame：
#     Day  Temperature  Humidity     City
# 0   Mon           25        60   London
# 1   Tue           28        65   London
# 2   Wed           22        55   London
# 3   Mon           30        70    Paris
# 4   Tue           32        75    Paris
# 5   Wed           28        68    Paris

# 使用列名创建散点图
sns.scatterplot(data=weather_df, x='Temperature', y='Humidity', hue='City')

# 创建一个折线图，显示每个城市每天的温度变化
sns.lineplot(data=weather_df, x='Day', y='Temperature', hue='City')

# 显示图表（假设您使用的是 Matplotlib 后端）
# import matplotlib.pyplot as plt
# plt.show()

请注意我们如何将整个 weather_df 传递给 data 参数。然后，我们使用列的字符串名称（'Temperature'、'Humidity'、'City'、'Day'）作为 x、y 和 hue 参数。Seaborn 使用这些名称在 DataFrame 中找到相应的数据。这种方法使代码可读，并将可视化参数直接与数据结构关联起来。它还允许 Seaborn 自动使用列名作为轴标签和图例，从而省去了使用基本 Matplotlib 时通常需要的手动配置步骤。

其他输入格式

虽然 DataFrame 是首选，但 Seaborn 有时也接受其他格式，例如：

• NumPy 数组或列表： 您可以直接将 NumPy 数组或 Python 列表传递给 x 和 y 等参数。在这种情况下，您通常不会使用 data 参数。

  temperatures = [25, 28, 22, 30, 32, 28]
  humidity = [60, 65, 55, 70, 75, 68]
  # 注意：在没有 DataFrame 结构的情况下，颜色映射通常不够直接
  sns.scatterplot(x=temperatures, y=humidity)
  # plt.show()
  

  然而，使用单独的数组或列表通常需要您手动设置标签，并且与使用 DataFrame 相比，基于第三个变量应用像 hue 这样的分组美学变得不那么直接。

• 宽格式数据： 一些 Seaborn 函数可以解析“宽格式”数据，其中不同的列可能代表变量的水平（例如列“Temp_London”、“Temp_Paris”）。虽然这有可能，但它通常不如整洁/长格式方法灵活，特别是对于涉及多个分类分组的复杂图表。长格式数据通常提供一种更一致、更有效的方法，将变量映射到 Seaborn 中的视觉美学。

总结

为了充分发挥 Seaborn 轻松创建信息丰富的统计图表的能力，强烈建议您使用整洁数据的观念，将数据构建为 Pandas DataFrame。通过将 DataFrame 传递给 data 参数，并使用列名字符串来引用 x、y、hue 等，您可以有效使用 Seaborn 的高级界面，从而使代码更清晰，并且通常以更少的精力获得更具洞察力的可视化效果。在您学习本课程的过程中，大多数示例都会假设您的数据处于或可以轻松转换为整洁的 Pandas DataFrame。