第28课 - 进阶数据可视化：Seaborn 与 Plotly

课程：机器学习：从入门到实战 所属模块：数据处理难度：intermediate 标签：visualization, seaborn, plotly, interactive

1. 学习目标

完成本课学习后，你将能够：

理解 Seaborn 与 Plotly 的核心差异与适用场景。
使用 Seaborn 快速绘制专业的统计图表（如小提琴图、热力图、分面图）。
使用 Plotly 创建高度交互式的数据可视化图表。
为不同的数据分析目的（探索、报告、展示）选择合适的可视化工具。

2. 核心概念

在上一课的探索性数据分析（EDA）中，我们使用了 Matplotlib 进行基础绘图。本课将介绍两个更高级、更强大的库，它们能极大提升你的数据可视化效率和效果。

Seaborn：统计可视化利器

Seaborn 是基于 Matplotlib 的 Python 数据可视化库。它的核心优势在于：

高级接口：只需一行代码就能绘制复杂的统计图表（如小提琴图、核密度估计图）。
美观的默认样式：提供了比 Matplotlib 更现代、更吸引人的默认主题和调色板。
与 Pandas 深度集成：可以直接接收 DataFrame 和列名作为参数，非常适合数据分析工作流。

Plotly：交互式可视化之星

Plotly 是一个创建交互式、出版质量图表的库。它的核心优势在于：

真正的交互性：图表支持缩放、平移、悬停显示详细信息、点击筛选等操作。
丰富的图表类型：从基础图表到3D图、地理空间图，几乎无所不包。
多环境输出：图表可以在 Jupyter Notebook 中交互式显示，也可以轻松导出为 HTML 网页或静态图片。

简单来说，Seaborn 擅长快速绘制静态的、用于学术论文或技术报告的精美统计图。Plotly 擅长制作需要用户交互探索的、用于网页或演示文稿的动态图表。

3. 代码示例

我们将使用一个内置数据集 tips 来演示。

准备工作：安装与导入

# 确保已安装所需库
# pip install seaborn plotly pandas

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import plotly.express as px

# 加载示例数据集
tips = sns.load_dataset('tips')
print(tips.head())
print(f"\n数据集形状: {tips.shape}")

示例一：使用 Seaborn 进行高级统计可视化

# 设置Seaborn风格
sns.set_theme(style="whitegrid")

# 创建一个包含多个子图的画布
fig, axes = plt.subplots(2, 2, figsize=(12, 10))

# 1. 小提琴图：展示数值变量随分类变量的分布（比箱线图更丰富）
sns.violinplot(x="day", y="total_bill", data=tips, ax=axes[0, 0])
axes[0, 0].set_title('每日账单金额分布（小提琴图）')

# 2. 热力图：展示变量间的相关性矩阵
numeric_tips = tips.select_dtypes(include=['number'])  # 选择数值列
corr_matrix = numeric_tips.corr()
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', center=0, ax=axes[0, 1])
axes[0, 1].set_title('变量相关性热力图')

# 3. 分面网格图：按“是否吸烟者”分面，探索“总账单”、“小费”和“用餐时间”的关系
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time", style="smoker", ax=axes[1, 0])
axes[1, 0].set_title('账单与小费关系（按用餐时间与吸烟状态）')

# 4. 核密度估计图：展示两个数值变量的联合分布
sns.kdeplot(data=tips, x="total_bill", y="tip", fill=True, ax=axes[1, 1])
axes[1, 1].set_title('账单与小费联合分布（KDE图）')

plt.tight_layout()
plt.savefig('seaborn_examples.png', dpi=150, bbox_inches='tight')
plt.show()
print("Seaborn 静态图表已保存为 'seaborn_examples.png'")

示例二：使用 Plotly 创建交互式图表

# 1. 交互式散点图：悬停查看详细信息，通过图例筛选类别
fig_scatter = px.scatter(
    tips,
    x="total_bill",
    y="tip",
    color="time",         # 按用餐时间着色
    size="size",          # 点的大小表示用餐人数
    hover_data=["day", "smoker"],  # 悬停时显示额外信息
    title="互动探索：账单 vs 小费"
)
# 在Jupyter Notebook中直接显示交互式图表
fig_scatter.show()

# 2. 交互式箱线图与小提琴图切换
fig_box = px.box(
    tips,
    x="day",
    y="total_bill",
    color="smoker",
    points="all",        # 显示所有数据点
    title="每日账单分布（交互式箱线图）"
)
fig_box.show()

# 3. 保存交互式图表为HTML文件（可分享给他人用浏览器打开）
fig_scatter.write_html("interactive_scatter.html")
print("交互式散点图已保存为 'interactive_scatter.html'，可用浏览器打开。")

# 4. 创建子图布局（Plotly的`make_subplots`）
from plotly.subplots import make_subplots
import plotly.graph_objects as go

fig_sub = make_subplots(rows=1, cols=2, subplot_titles=("小费分布", "账单分布"))

# 添加两个直方图
fig_sub.add_trace(go.Histogram(x=tips['tip'], name='小费'), row=1, col=1)
fig_sub.add_trace(go.Histogram(x=tips['total_bill'], name='账单'), row=1, col=2)

fig_sub.update_layout(title_text="小费与账单分布对比（交互式子图）")
fig_sub.show()

4. 实践练习

练习1（基础）：Seaborn 基础应用

使用 Seaborn 的 tips 数据集，绘制一个 countplot，展示每周不同天（day）的顾客数量。要求使用 pastel 色板，并添加合适的标题。

预期输出：一个柱状图，x轴为星期几，y轴为出现次数，颜色柔和。

练习2（进阶）：Plotly 交互式散点图矩阵

使用 Plotly Express 的 scatter_matrix 函数，创建 tips 数据集中 total_bill, tip, size 三个数值变量的散点图矩阵。要求根据 time 变量着色，并设置对角线图为直方图。

预期输出：一个3x3的交互式矩阵图，对角线是直方图，非对角线是散点图，悬停可显示数据点信息。

练习3（综合）：组合分析与可视化

创建一个新的列 tip_percentage，计算 tip / total_bill * 100。
使用 Seaborn 绘制一个 boxplot，比较工作日与周末的 tip_percentage 分布。
使用 Plotly 绘制一个交互式散点图，展示 total_bill 与 tip_percentage 的关系，并用颜色区分 day，用大小表示 size。
思考：在哪个场景下你会选择保存Seaborn生成的静态图？哪个场景下选择Plotly的交互式图？

5. 常见错误

混淆 Seaborn 和 Matplotlib 的样式设置：尝试在 Seaborn 绘图后使用 plt.title() 设置标题是可行的，但更推荐使用 Seaborn 返回的 Axes 对象（如 ax.set_title()）来保持一致性。
数据格式问题：Plotly Express 通常期望“整洁数据”（Tidy Data），即每列是一个变量，每行是一个观测值。确保你的数据是这种格式。
忘记在 Jupyter 外保存交互图：在 Jupyter Notebook 中，fig.show() 可以直接显示。但如果要在普通Python脚本中生成交互图，必须使用 write_html() 方法保存，否则图表不会显示。
过度绘制（Overplotting）：当数据点过多时，散点图会重叠严重，难以看清分布。解决方法是使用透明度（alpha 参数）、调整点的大小（size），或改用其他图表类型（如Hexbin图）。

6. 小结

本课我们学习了两大进阶可视化工具：

Seaborn 是静态统计图表的专家。它极大简化了绘制小提琴图、热力图、分面图等复杂图表的过程，并能与 Pandas 无缝协作。非常适合用于数据分析过程中的快速探索，以及生成高质量的技术报告和论文插图。
Plotly 是交互式数据可视化的首选。它生成的图表具有丰富的交互功能，能够引导观众自主探索数据。非常适合用于制作数据演示报告、构建数据仪表盘（Dashboard）以及开发Web应用。

选择建议：

探索阶段：快速原型、统计检验 → Seaborn
展示阶段：汇报、发布、Web展示 → Plotly
记忆技巧：Seaborn 像是专业的“静态照相机”，拍出精美的统计照片；Plotly 像是“可交互的显微镜”，让用户能自由探索数据细节。

掌握这两个工具，将使你在数据可视化的维度上获得巨大的提升，为后续的机器学习建模和成果展示打下坚实基础。

练习编辑器

rust