Seaborn 统计图表

# ❌ Matplotlib 方式：需要手动循环 + 图例管理
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 生成示例数据
np.random.seed(42)
df = pd.DataFrame({
    'x': np.random.randn(100),
    'y': np.random.randn(100),
    'category': np.random.choice(['A', 'B', 'C'], 100)
})

fig, ax = plt.subplots()
for cat in df['category'].unique():
    subset = df[df['category'] == cat]
    ax.scatter(subset['x'], subset['y'], label=cat, alpha=0.7)
ax.legend()
ax.set_xlabel('X 轴')
ax.set_ylabel('Y 轴')
plt.tight_layout()
plt.show()

# ✅ Seaborn 方式：一行代码搞定
import seaborn as sns

sns.scatterplot(data=df, x='x', y='y', hue='category', alpha=0.7)
plt.title('分组散点图对比')  # 仍需借助 matplotlib 设置标题
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt

# 加载内置数据集
tips = sns.load_dataset('tips')

# ✅ 推荐：DataFrame + 列名字符串
sns.scatterplot(data=tips, x='total_bill', y='tip', hue='sex')

# ⚠️ 不推荐：手动提取数组（丢失元数据）
sns.scatterplot(x=tips['total_bill'], y=tips['tip'], hue=tips['sex'])

# 三维编码示例：颜色+形状+大小同时表达不同信息
sns.scatterplot(
    data=tips,
    x='total_bill',
    y='tip',
    hue='sex',        # 颜色区分性别
    style='smoker',   # 形状区分吸烟状态
    size='size',      # 大小编码用餐人数
    sizes=(20, 200),  # 控制大小范围
    palette='deep'   # 使用 deep 调色板
)
plt.title('消费金额与小费的多维关系')
plt.show()

# barplot 自动计算每组的平均小费 + 95% 置信区间
sns.barplot(data=tips, x='day', y='tip', palette='Blues_d')
plt.title('各日期的平均小费（含置信区间）')
plt.show()

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

# 生成正态分布数据
data = np.random.normal(loc=0, scale=1, size=1000)

# 基础直方图
sns.histplot(data=data, bins=30, kde=False, color='skyblue', edgecolor='black')
plt.title('正态分布直方图')
plt.xlabel('数值')
plt.ylabel('频数')
plt.show()

# 同时展示直方图和核密度估计
sns.histplot(
    data=data,
    bins=30,
    kde=True,
    color='purple',
    edgecolor='white',
    stat='density',  # y 轴显示概率密度
    alpha=0.6
)
plt.title('直方图 + 核密度估计 (KDE)')
plt.xlabel('数值')
plt.ylabel('密度')
plt.show()

# 按类别分组的直方图
tips = sns.load_dataset('tips')
sns.histplot(
    data=tips,
    x='total_bill',
    hue='sex',           # 按性别分组
    kde=True,
    element='step',      # 阶梯状填充
    stat='density',
    common_norm=False    # 各组独立归一化
)
plt.title('男女消费金额分布对比')
plt.xlabel('总账单 ($)')
plt.ylabel('密度')
plt.show()

# 直方图版本
sns.displot(data=tips, x='total_bill', col='sex', kde=True, height=4)

# 或核密度图版本
sns.displot(data=tips, x='total_bill', kind='kde', hue='sex', fill=True)

plt.show()

# 展示两个变量的联合分布及各自的边缘分布
sns.jointplot(
    data=tips,
    x='total_bill',
    y='tip',
    kind='scatter',     # 可选: 'scatter', 'hex', 'kde', 'reg', 'hist'
    hue='sex',
    marginal_kws=dict(bins=25, fill=True, kde=True),
    height=6
)
plt.suptitle('账单与小费的联合分布', y=1.02)
plt.show()

# 选取数值型列绘制成对关系图
iris = sns.load_dataset('iris')
sns.pairplot(
    data=iris,
    hue='species',          # 按物种着色
    diag_kind='kde',        # 对角线用 KDE
    corner=True,            # 只绘制下三角（节省空间）
    plot_kws={'alpha': 0.6},
    height=2.5
)
plt.suptitle('鸢尾花数据集成对关系', y=1.02)
plt.show()

# 基础箱型图
sns.boxplot(
    data=tips,
    x='day',
    y='total_bill',
    hue='sex',
    palette='Set2',
    width=0.6,
    fliersize=3       # 异常值点大小
)
plt.title('各日期消费金额的箱型图')
plt.xlabel('星期')
plt.ylabel('总账单 ($)')
plt.legend(title='性别')
plt.show()

        ┌─────────────┐
        │     ════     │  ← 中位数 (median)
   ─────┤             ├── Q1 (25% 分位)
        │             │
        │             ├── Q3 (75% 分位)
        └─────────────┘
              │ │            ← 异常值 (outliers)

# 小提琴图结合箱型图
sns.violinplot(
    data=tips,
    x='day',
    y='total_bill',
    hue='sex',
    split=True,         # 左右拆分（节省空间）
    inner='quartile',   # 内部显示四分位数
    palette='muted'
)
plt.title('各日期消费金额的小提琴图')
plt.show()

import numpy as np

# barplot 默认计算均值 + 95% 置信区间
sns.barplot(
    data=tips,
    x='day',
    y='total_bill',
    hue='sex',
    estimator=np.mean,  # 聚合函数（默认均值）
    errorbar=('ci', 95),  # 置信区间设置
    capsize=0.1,        # 误差棒端点大小
    palette='viridis',
    width=0.8
)
plt.title('各日期平均消费金额（按性别）')
plt.ylabel('平均账单 ($)')
plt.show()

# 方法一：使用 countplot（更简洁）
sns.countplot(data=tips, x='day', hue='sex', palette='pastel')

# 方法二：barplot + estimator=len
# sns.barplot(data=tips, x='day', y='total_bill', hue='sex', estimator=len)

plt.title('各日期顾客数量（按性别）')
plt.ylabel('计数')
plt.show()

# orient='h' 切换为水平方向
sns.barplot(
    data=tips.sort_values('total_bill'),
    y='day',           # y 轴放分类变量
    x='total_bill',    # x 轴放数值变量
    orient='h',
    palette='Blues_r',
    errorbar=None      # 关闭误差棒
)
plt.title('各日期消费总额排名')
plt.xlabel('总金额 ($)')
plt.show()

# 基础 stripplot（点可能重叠）
sns.stripplot(
    data=tips,
    x='day',
    y='total_bill',
    hue='sex',
    jitter=True,       # 添加随机抖动避免完全重叠
    dodge=True,        # 按 hue 分组错开
    size=5,
    alpha=0.6,
    palette='dark'
)
plt.title('消费金额分布（抖动散点图）')
plt.show()

# swarmplot 自动排列点避免重叠（大数据集较慢）
sns.swarmplot(
    data=tips,
    x='day',
    y='total_bill',
    hue='sex',
    dodge=True,
    size=5,
    palette='Set1'
)
plt.title('消费金额分布（蜂群图）')
plt.show()

sns.pointplot(
    data=tips,
    x='day',
    y='total_bill',
    hue='sex',
    dodge=0.3,          # 分组间距
    markers=['o', 's'],  # 标记形状
    linestyles=['-', '--'],
    ci=95,               # 置信区间
    palette='coolwarm'
)
plt.title('平均消费金额变化趋势')
plt.ylabel('平均账单 ($)')
plt.show()

sns.scatterplot(
    data=tips,
    x='total_bill',
    y='tip',
    alpha=0.7,
    s=100              # 统一大小
)
plt.title('消费金额与小费的关系')
plt.xlabel('总账单 ($)')
plt.ylabel('小费 ($)')
plt.grid(True, alpha=0.3)
plt.show()

# 颜色 + 形状 + 大小三维度编码
sns.scatterplot(
    data=tips,
    x='total_bill',
    y='tip',
    hue='sex',           # 颜色 → 性别
    style='smoker',      # 形状 → 吸烟状态
    size='size',         # 大小 → 用餐人数
    sizes=(50, 300),     # 大小映射范围
    palette='deep',      # 配色方案
    edgecolor='black',   # 点边缘色
    linewidth=0.5        # 边缘宽度
)
plt.title('消费行为的多维可视化')
plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left')  # 图例放到外部
plt.tight_layout()
plt.show()

# 加载航班数据
flights = sns.load_dataset('flights')

# 按月份绘制乘客数量趋势
sns.lineplot(
    data=flights,
    x='month',
    y='passengers',
    hue='year',           # 按年份分组
    style='year',         # 不同线型
    markers=True,         # 显示标记点
    dashes=False,         # 使用实线
    err_style='band',     # 置信区间显示方式（'band' 或 'bars'）
    errorbar=('ci', 95)
)
plt.title('每月乘客数量变化趋势（1949-1960）')
plt.xticks(rotation=45)
plt.ylabel('乘客数 (千人)')
plt.show()

# 当 x 有重复值时，lineplot 自动聚合
sns.lineplot(
    data=tips,
    x='size',             # 用餐人数（有重复）
    y='total_bill',
    err_style='band',     # 置信带
    errorbar=('sd'),      # 显示标准差而非 CI
    marker='o'
)
plt.title('用餐人数 vs 平均消费（含标准差）')
plt.xlabel('用餐人数')
plt.ylabel('平均账单 ($)')
plt.show()

import pandas as pd

# 计算数值列的相关系数矩阵
numeric_cols = tips.select_dtypes(include=[np.number])
corr_matrix = numeric_cols.corr()

# 绑制热力图
sns.heatmap(
    corr_matrix,
    annot=True,           # 显示数值标注
    fmt='.2f',            # 数值格式（保留2位小数）
    cmap='RdYlBu_r',      # 红-黄-蓝配色（_r 反转）
    center=0,             # 颜色中心点
    square=True,          # 正方形单元格
    linewidths=0.5,       # 格线宽度
    cbar_kws={'shrink': 0.8}  # 颜色条缩放
)
plt.title('数值变量相关系数热力图')
plt.show()

            total_bill    tip      size
total_bill    1.00      0.68     0.59
tip           0.68      1.00     0.49
size          0.59      0.49     1.00

# 模拟混淆矩阵数据
confusion_mat = np.array([
    [50, 5, 2],   # 真实A: 预测A=50, B=5, C=2
    [3, 45, 7],   # 真实B: 预测A=3, B=45, C=7
    [1, 4, 43]    # 真实C: 预测A=1, B=4, C=43
])

labels = ['Class A', 'Class B', 'Class C']

plt.figure(figsize=(8, 6))
sns.heatmap(
    confusion_mat,
    annot=True,
    fmt='d',              # 整数格式
    cmap='Blues',
    xticklabels=labels,
    yticklabels=labels,
    cbar_kws={'label': '样本数'}
)
plt.title('分类模型混淆矩阵')
plt.xlabel('预测标签')
plt.ylabel('真实标签')
plt.show()

# 创建透视表并可视化
pivot_table = tips.pivot_table(
    values='total_bill',
    index='day',
    columns='time',
    aggfunc='mean'
)

sns.heatmap(
    pivot_table,
    annot=True,
    fmt='.1f',
    cmap='YlOrRd',
    linewidths=1,
    annot_kws={'size': 14, 'weight': 'bold'}
)
plt.title('各日期各时段平均消费热力图')
plt.show()

# 带回归线的联合分布图
sns.jointplot(
    data=tips,
    x='total_bill',
    y='tip',
    kind='reg',          # 添加回归线 + 置信带
    hue='sex',
    scatter_kws={'alpha': 0.6},
    height=6
)
plt.suptitle('线性回归拟合', y=1.02)
plt.show()

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

# 生成测试数据
data = np.random.randn(100, 5)

# 主题 1: darkgrid（默认） - 深灰背景 + 白色网格
sns.set_style("darkgrid")
plt.figure(figsize=(10, 6))
sns.histplot(data[:, 0], kde=True)
plt.title('主题: darkgrid（默认）')
plt.show()

# 主题 2: whitegrid - 白色背景 + 灰色网格
sns.set_style("whitegrid")
# ... 同样绘图代码

# 主题 3: dark - 深灰背景，无网格
sns.set_style("dark")

# 主题 4: white - 白色背景，无网格（简洁风格）
sns.set_style("white")

# 主题 5: ticks - 白色背景 + 坐标轴刻度线
sns.set_style("ticks")

# 重置为默认
sns.set_theme()  # 恢复 darkgrid

# 内置分类调色板
palettes_categorical = ['deep', 'muted', 'bright', 'pastel', 'dark', 'colorblind']

# 使用示例
sns.barplot(data=tips, x='day', y='total_bill', hue='sex', palette='colorblind')
plt.title('分类调色板: colorblind（色盲友好）')
plt.show()

# 顺序调色板（浅→深）
palettes_sequential = [
    'rocket', 'mako', 'flare', 'crest', 'viridis', 'Blues', 'Reds', 'Greens'
]

# 使用示例
sns.heatmap(corr_matrix, cmap='rocket', annot=True)
plt.title('顺序调色板: rocket（浅粉→深紫）')
plt.show()

# 发散调色板（低-中-高，中间为中性色）
palettes_diverging = [
    'vlag', 'icefire', 'RdBu_r', 'PRGn', 'BrBG', 'coolwarm'
]

# 使用示例（相关性热力图首选）
sns.heatmap(corr_matrix, cmap='coolwarm', center=0, annot=True, fmt='.2f')
plt.title('发散调色板: coolwarm（红-白-蓝）')
plt.show()

# 从列表创建
custom_palette = ['#FF6B6B', '#4ECDC4', '#45B7D1', '#96CEB4']
sns.barplot(..., palette=custom_palette)

# 从 Colormap 创建
sns.heatmap(..., cmap=sns.color_palette("light:b", as_cmap=True))

# 使用 husl 色彩空间生成 N 种 distinguishable 颜色
palette = sns.color_palette("husl", 8)  # 生成 8 种颜色

# ❌ 错误：想显示计数但用了 barplot（默认显示均值）
sns.barplot(data=df, x='category', y='value')  # y 轴是均值！

# ✅ 正确：显示频次计数
sns.countplot(data=df, x='category')  # 自动计数

# 或者明确指定
sns.barplot(data=df, x='category', y='value', estimator=len)

import seaborn as sns  # ✅ 导入了 seaborn
# ❌ 但没有 import matplotlib.pyplot as plt

sns.scatterplot(data=df, x='x', y='y', hue='group')
plt.show()  # NameError: name 'plt' is not defined!
plt.title('我的图表')  # 同样报错

import seaborn as sns
import matplotlib.pyplot as plt  # ✅ 必须导入

# ❌ 问题：displot 是 figure-level 函数，返回 FacetGrid 对象
g = sns.displot(data=df, x='value', col='category')
plt.title('这个标题不会生效！')  # ❌ 因为 displot 自己创建了 Figure

# ✅ 解决方案一：使用 g 对象的方法
g.set_titles('{col_name}')
g.set_axis_labels('数值', '频数')

# ✅ 解决方案二：改用 axes-level 函数（如 histplot）
fig, axes = plt.subplots(1, 3, figsize=(15, 4))
for idx, cat in enumerate(df['category'].unique()):
    sns.histplot(data=df[df['category']==cat], x='value', ax=axes[idx])
    axes[idx].set_title(f'类别 {cat}')  # ✅ 可以正常设置
plt.tight_layout()
plt.show()

# ❌ 问题：100万行数据的 swarmplot 可能卡死
sns.swarmplot(data=huge_df, x='category', y='value')  # O(n²) 复杂度！

# ✅ 替代方案
# 方案一：采样
sample_df = huge_df.sample(n=1000, random_state=42)
sns.stripplot(data=sample_df, x='category', y='value', jitter=True)

# 方案二：改用箱型图/小提琴图（不绘制每个点）
sns.boxplot(data=huge_df, x='category', y='value')

# 方案三：使用 hexbin 或 KDE
sns.jointplot(data=huge_df, x='x_var', y='y_var', kind='hex')

# ❌ 问题：有序数据用了分类调色板（无法体现高低顺序）
sns.heatmap(correlation_matrix, palette='deep')  # deep 是分类调色板！

# ✅ 正确：相关性用发散调色板
sns.heatmap(correlation_matrix, cmap='coolwarm', center=0)

# ❌ 问题：分类数据用了顺序调色板（暗示不存在的大小关系）
sns.barplot(data=df, x='category', y='value', hue='group', palette='Blues')

# ✅ 正确：分类变量用分类调色板
sns.barplot(data=df, x='category', y='value', hue='group', palette='Set2')

# ❌ 问题：中文显示为方块 □□□
sns.barplot(x=['北京', '上海', '广州'], y=[100, 150, 120])

# ✅ 解决方案：配置中文字体
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS', 'PingFang SC']
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题

# 然后再绘图
sns.barplot(x=['北京', '上海', '广州'], y=[100, 150, 120])
plt.xlabel('城市')
plt.show()

# 保存为 PNG（300 DPI 用于打印）
plt.savefig('figure.png', dpi=300, bbox_inches='tight')

# 保存为 PDF（矢量格式，无损缩放）
plt.savefig('figure.pdf', format='pdf', bbox_inches='tight')

# 保存为 SVG（网页嵌套）
plt.savefig('figure.svg', format='svg', bbox_inches='tight')

# 利用 axes-level 函数的 ax 参数
fig, ax = plt.subplots(figsize=(10, 6))

# 先绑箱型图
sns.boxplot(data=tips, x='day', y='total_bill', ax=ax, color='lightgray')

# 再叠加散点图
sns.stripplot(data=tips, x='day', y='total_bill', ax=ax, color='darkred', alpha=0.3)

plt.title('箱型图 + 散点图组合')
plt.show()

# 全局设置
sns.set_theme(font_scale=1.5)  # 所有文字放大 1.5 倍

# 或针对特定元素
context_settings = {
    'paper': {'font.size': 12, 'axes.labelsize': 14},
    'notebook': {'font.size': 10, 'axes.labelsize': 12},
    'talk': {'font.size': 18, 'axes.labelsize': 20},
    'poster': {'font.size': 24, 'axes.labelsize': 28}
}

sns.set_context('talk', rc=context_settings['talk'])

# 结合 pipe 进行链式操作
(tips
 .groupby('day')['total_bill']
 .mean()
 .reset_index()
 .pipe(lambda df: sns.barplot(data=df, x='day', y='total_bill', palette='viridis'))
)
plt.title('Pipeline 中的可视化')
plt.show()