Seaborn 使用示例

# Seaborn 常见用例与示例 本文档提供了使用 Seaborn 进行常见数据可视化场景的实用示例。 ## 探索性数据分析 ### 快速数据集概览 python import seaborn as sns import matplotlib.pyplot as plt import pandas as pd # 加载数据 df = pd.read_csv('data.csv') # 所有数值变量的成对关系 sns.pairplot(df, hue='target_variable', corner=True, diag_kind='kde') plt.suptitle('数据集概览', y=1.01) plt.savefig('overview.png', dpi=300, bbox_inches='tight') ### 分布探索 python # 跨类别的多重分布 g = sns.displot( data=df, x='measurement', hue='condition', col='timepoint', kind='kde', fill=True, height=3, aspect=1.5, col_wrap=3, common_norm=False ) g.set_axis_labels('测量值', '密度') g.set_titles('{col_name}') ### 相关性分析 python # 计算相关矩阵 corr = df.select_dtypes(include='number').corr() # 为上三角创建掩码 mask = np.triu(np.ones_like(corr, dtype=bool)) # 绘制热力图 fig, ax = plt.subplots(figsize=(10, 8)) sns.heatmap( corr, mask=mask, annot=True, fmt='.2f', cmap='coolwarm', center=0, square=True, linewidths=1, cbar_kws={'shrink': 0.8} ) plt.title('相关矩阵') plt.tight_layout() ## 科学出版 ### 包含不同图表类型的多面板图 python # 设置出版风格 sns.set_theme(style='ticks', context='paper', font_scale=1.1) sns.set_palette('colorblind') # 创建自定义布局的图表 fig = plt.figure(figsize=(12, 8)) gs = fig.add_gridspec(2, 3, hspace=0.3, wspace=0.3) # 面板 A: 时间序列 ax1 = fig.add_subplot(gs[0, :2]) sns.lineplot( data=timeseries_df, x='time', y='expression', hue='gene', style='treatment', markers=True, dashes=False, ax=ax1 ) ax1.set_title('A. 基因表达随时间的变化', loc='left', fontweight='bold') ax1.set_xlabel('时间 (小时)') ax1.set_ylabel('表达水平 (AU)') # 面板 B: 分布比较 ax2 = fig.add_subplot(gs[0, 2]) sns.violinplot( data=expression_df, x='treatment', y='expression', inner='box', ax=ax2 ) ax2.set_title('B. 表达分布', loc='left', fontweight='bold') ax2.set_xlabel('处理') ax2.set_ylabel('') # 面板 C: 相关性 ax3 = fig.add_subplot(gs[1, 0]) sns.scatterplot( data=correlation_df, x='gene1', y='gene2