import numpy
import pandas
tips = pandas.read_csv("tips.csv", header = 0, sep = ",")
tips.head()
seaborn¶
Ce module, importé ci-dessous, est basé sur matplotlib. Il faut donc ajouter la ligne %matplotlib inline dans un notebook, pour pouvoir voir les graphiques.
Ce module contient toutes les fonctions directement, l'importation est donc assez simple.
import seaborn
%matplotlib inline
Variable quantitative¶
La fonction distplot() nous permet de réaliser les graphiques de distribution d'une variable quantitative. Par défaut, elle réaliser un histogramme avec une estimation de la densité.
seaborn.distplot(tips.total_bill)
Pour ne garder que l'histogramme, on indique qu'on ne souhaite pas l'estimation de la densité (paramètre kde). Ainsi, l'histogramme devient en effectifs.
seaborn.distplot(tips.total_bill, kde = False)
De même, on ne peut vouloir que la densité. Auquel cas, on supprimer l'histogramme avec le paramètre hist.
seaborn.distplot(tips.total_bill, hist = False)
Il est possible de choisir le nombre de bins, avec le paramètre bins.
seaborn.distplot(tips.total_bill, bins = 6, kde = False)
Il est aussi possible de choisir les limites des intervalles, avec le même paramètre bins. Dans ce cas, il faut bien évidemment veiller à faire un histogramme en densité. Si on ne souhaite pas avoir l'estimation de la densité, on peut l'obtenir tout de même avec le paramètre norm_hist.
seaborn.distplot(tips.total_bill, bins = [0, 10, 25, 60], norm_hist = True, kde = False)
C'est la fonction boxplot() qui nous permet de réaliser une boîte à moustache (soit verticale en mettant la variable en y, soit horizontale en la mettant en x).
seaborn.boxplot(y = "total_bill", data = tips)
seaborn.boxplot(x = "total_bill", data=tips)
Une autre représentation possible est obtenue avec la fonction pointplot(), qui représente la moyenne et l'écarte-type, avec le choix entre vertical (y) ou horizontal (x).
seaborn.pointplot(y = "total_bill", data = tips)
seaborn.pointplot(x = "total_bill", data = tips)
Un autre graphique possible est celui obtenu avec violinplot(), qui représente la densité d'une variable, toujours avec le choix vertical/horizontale (y/x).
seaborn.violinplot(y = "total_bill", data = tips)
seaborn.violinplot(x = "total_bill", data = tips)
Enfin, il est possible de représenter toutes les valeurs sur un pseudo nuage de points. Avec striplot() dont l'option jitter a été activée, les points sont aléatoirement répartis sur l'axe des $x$ (si on utilise y - inversement sinon).
seaborn.stripplot(y = "total_bill", data = tips, jitter = True)
seaborn.stripplot(x = "total_bill", data = tips, jitter = True)
La fonction factorplot() regroupe l'ensemble des graphiques précédents (sauf l'histogramme) en une seule fonction. On accède aux différentes sous-fonctions en indiquant dans le paramètre kind :
point: moyenne +/- écart-typebox: boîte à moustachesviolin: denisté (en symétrie)strip: pseudo nuage de points
seaborn.factorplot(y = "total_bill", data = tips, kind = "point")
Variable qualitative¶
Le diagramme en barres en effectifs est obtenu via la fonction countplot(). Il est soit horizontal (avec la variable en x), soit vertical (en y).
seaborn.countplot(x = "sex", data = tips)
seaborn.countplot(y = "sex", data = tips)
Pour avoir la version en pourcentages (ou en proportions) de ce graphique, nous devons utiliser la fonction barplot(), sur la table de proportions calculée avant. Cette fonction réalise un calcul (moyenne par défaut) sur une variable (ici freq) en fonction des modalités d'une autre variable (sex ici donc).
t = pandas.crosstab(tips.sex, "freq", normalize=True)
t = t.assign(sex = t.index, freq = 100 * t.freq)
seaborn.barplot(x = "sex", y = "freq", data = t)
seaborn.barplot(x = "freq", y = "sex", data = t)
Pour réaliser un diagramme en barres empilées, il faudra le créer soi-même. Nous ne verrons pas ici.
Enfin, comme précédemment, la fonction factorplot() nous permet d'accéder aux sous-fonctions avec le choix dans kind.
count: diagramme en barres (dénombrement)bar: diagramme en barres avec calcul
seaborn.factorplot(x = "sex", data = tips, kind = "count")
Var quantitative - Var quantitative¶
Pour réaliser le nuage de points, on utilise la fonction jointplot(). Elle a l'avantage d'ajouter par défaut les histogrammes de chaque variable. Elle réalise par défaut le nuage de points simple (scatter). Comme pour factorplot(), on va pouvoir choisir le type de graphique avec le paramètre kind.
seaborn.jointplot(x = "total_bill", y = "tip", data = tips)
En choississant le type reg, on obtient en plus l'ajustement linéaire de la variable en y par celle en x.
seaborn.jointplot(x = "total_bill", y = "tip", data = tips, kind = "reg")
On peut obtenir une heatmap, non pas avec des rectangles mais un pavage hexagonal, avec kind = "hex".
seaborn.jointplot(x = "total_bill", y = "tip", data = tips, kind = "hex")
Enfin, on peut avoir une estimation de la densité en 2d avec le type kde.
seaborn.jointplot(x = "total_bill", y = "tip", data = tips, kind = "kde")
Si on souhaite ne pas avoir les distributions marginales, la fonction regplot() nous permet de réaliser le nuage de points avec ou sans ajustement (paramètre fit_reg). On peut aussi n'afficher que l'ajustement.
seaborn.regplot("total_bill", "tip", data = tips, fit_reg = False)
seaborn.regplot("total_bill", "tip", data = tips)
seaborn.regplot("total_bill", "tip", data = tips, scatter = False)
Il est possible d'obtenir directement tous les nuages de points 2 à 2, avec la fonction pairplot(). Le paramètre vars permet de sélectionner certaines variables. Par défaut, la fonction utilise toutes les variables numériques.
seaborn.pairplot(data = tips, vars = ["total_bill", "tip", "size"])
Var qualitative - Var qualitative¶
Pour obtenir le diagramme en barres séparées (en effectifs), nous utilisons la fonction factorplot() avec le paramètre hue (celui-ci provient de la fonction countplot()).
seaborn.factorplot(x = "sex", hue = "smoker", data = tips, kind = "count")
Cette fonction factorplot() permet aussi un découpage en facette avec les paramètres row et col. Ici, nous découpons donc le graphique en fonction des modalités de smoker.
seaborn.factorplot(x = "sex", col = "smoker", data = tips, kind = "count")
Pour avoir la version en pourcentages, il faut faire les calculs avant, modifier la structure du résultat et les afficher ensuite.
t = pandas.crosstab(tips.sex, tips.smoker, normalize = "columns")
t = t.assign(sex = t.index)
tm = pandas.melt(t, id_vars = "sex")
tm = tm.assign(value = 100 * tm.value)
seaborn.factorplot("sex", y = "value", col = "smoker", data = tm, kind = "bar")
Une autre représentation est de visualiser la table de contingence avec une heatmap (la couleur dépendra du nombre d'individus pour chaque couple de modalité).
seaborn.heatmap(pandas.crosstab(tips.sex, tips.smoker))
Var quantitative - Var qualitative¶
Pour réaliser les histogrammes de la variable quantitative pour chaque modalité de la variable qualitative, il faut passer par la fonction FacetGrid(), permettant de faire un découpage en plusieurs lignes (avec row) et/ou en plusieurs colonnes (avec col). On applique ensuite la fonction distplot() avec les paramètres (ici la variable total_bill).
p = seaborn.FacetGrid(tips, row = "sex")
p.map(seaborn.distplot, "total_bill")
Les boîtes à moustaches sont elles faciles à créer avec factorplot() (ou boxplot() directement).
seaborn.factorplot(x = "sex", y = "total_bill", data = tips, kind = "box")
On peut aussi représenter la moyenne et l'écart-type à l'aide du graphique pointplot.
seaborn.factorplot(x = "sex", y = "total_bill", data = tips, kind = "point", join = False)
Le graphique violinplot est bien sûr lui aussi applicable dans ce cas.
seaborn.factorplot(x = "sex", y = "total_bill", data = tips, kind = "violin")
On a aussi la possibilité de représenter le pseudo nuage de points, avec stripplot (avec jitter à True.
seaborn.factorplot(x = "sex", y = "total_bill", data = tips, kind = "strip", jitter = True)
Multivariables¶
3 quantitatives¶
Dans ce cas, nous cherchons à faire une heatmap du croisement entre les versions discrétisées en intervalles de deux variables quantitatives, la couleur d'un rectangle dépendant de la moyenne (ici mean du module numpy) d'une troisième variable. On créé la table puis l'affiche.
t = pandas.crosstab(pandas.cut(tips.total_bill, bins = 6),
tips["size"],
values = tips.tip, aggfunc = numpy.mean)
seaborn.heatmap(t)
2 quantitatives et 1 qualitative¶
Dans ce cas, il est possible de faire le nuage de points avec la fonction lmplot(), en utilisant le principe de grille (comme factorplot()) avec un découpage en colonnes (via col). On peut aussi améliorer la distinction en ajoutant une couleur différente sur la variable sex avec le paramètre hue.
seaborn.lmplot("total_bill", "tip", hue = "sex", col = "sex", data = tips)
1 quantitative et 2 qualitatives¶
Il est possible de créer les histogrammes de la variable quantitative pour chaque couple de modalités sur les deux variables qualitatives avec FacetGrid().
p = seaborn.FacetGrid(tips, row = "sex", col = "smoker")
p.map(seaborn.distplot, "total_bill")
Pour les boîtes à moustaches, on utilise la fonction factorplot() qui permet d'ajouter une couleur en fonction d'une variable qualitative via le paramètre hue.
seaborn.factorplot(x = "sex", y = "total_bill", hue = "smoker", data = tips, kind = "box")
Cette même fonction factorplot() permet le découpage en lignes (row) ou en colonnes (col), qui nous est utile pour le graphique point.
seaborn.factorplot(x = "sex", y = "total_bill", hue = "smoker", col = "smoker", data = tips,
kind = "point", join = False)
Le graphique violin s fait lui très facilement.
seaborn.factorplot(x = "sex", y = "total_bill", hue = "smoker", data = tips, kind = "violin")
Et pour le graphique strip, on reprend le découpage via col.
seaborn.factorplot(x = "sex", y = "total_bill", hue = "smoker", col = "smoker", data = tips,
kind = "strip", jitter = True)
3 qualitatives¶
seaborn.factorplot(x = "sex", row = "smoker", col = "time", data = tips, kind = "count")
seaborn.factorplot(x = "sex", hue = "smoker", col = "time", data = tips, kind = "count")
Pour avoir la version sommée à 100%, il faut calculer la table en premier, la restructurer et l'afficher.
t = pandas.crosstab([tips.smoker, tips.time], tips.sex, normalize = "index")
t = t.assign(smoker_time = t.index)
tm = pandas.melt(t, id_vars="smoker_time")
tm = tm.assign(value = 100 * tm.value)
seaborn.factorplot(x = "smoker_time", y = "value", hue = "sex", data = tm,
kind = "bar")
Compléments¶
Il est bien évidemment possible de personnaliser le graphique de différentes façons, dont certains sont présentées ci-dessous. On accède aux fonctions de personnalisation soit via des paramètres de la fonction, soit via l'objet renvoyé par la fonction utilisée pour créer le graphique, soit via le module directement. Dans ce cas, ce sont des changements qui affecteront aussi les graphiques futurs.
suptitledansfig: titre globalset_axis_labels: titre des axespalette: choix d'une palette de couleurssizeetaspect: hauteur et ratio entre hauteur et largeur, pour chaque facette (une seule ici)
seaborn.set_style("white")
p = seaborn.factorplot(x = "size", y = "tip", hue = "sex", data = tips, kind = "box",
palette = "Set2", size = 4, aspect = 2)
p.fig.suptitle("Taille et pourboire en fonction du sexe")
p.set_axis_labels("Nombre de convives", "Pourboire")
A faire¶
A partir du jeu de données Computers, vous devez répondre aux questions suivantes, avec seaborn.
ordis = pandas.read_csv("Computers.csv")
ordis.head()
- Représenter graphiquement la variable
price(histogramme, boîte à moustaches, ...) - Représenter le lien entre la variable
priceet les variablesspeedhdramcdpremiumscreen
- Représenter sur
pricel'impact de ces couples de variablesspeedethdhdetscreenspeedetpremiumhdetpremium
- Proposer des représentations graphiques, toujours pour décrire
priceen fonction d'autres variables, mais prenant en compte plus de trois variables
anscombe = pandas.read_csv("anscombe.csv")
anscombe