8.16-17

docs/8.16.md

+# 8.16 地理数据和 Basemap
+
+> 原文：[Geographic Data with Basemap](https://nbviewer.jupyter.org/github/donnemartin/data-science-ipython-notebooks/blob/master/matplotlib/04.13-Geographic-Data-With-Basemap.ipynb)
+> 
+> 译者：[飞龙](https://github.com/wizardforcel)
+> 
+> 协议：[CC BY-NC-SA 4.0](http://creativecommons.org/licenses/by-nc-sa/4.0/)
+> 
+> 本节是[《Python 数据科学手册》](https://github.com/jakevdp/PythonDataScienceHandbook)（Python Data Science Handbook）的摘录。
+
+数据科学中一种常见的可视化类型是地理数据。Matplotlib 用于此类可视化的主要工具是 Basemap 工具包，它是位于``mpl_toolkits``命名空间下的几个 Matplotlib 工具包之一。不可否认，Basemap 使用时有点笨拙，甚至简单的可视化渲染也要花费更长的时间，超出你的想象。
+
+更传统的解决方案（如 leaflet 或 Google Maps API）可能是更加密集的地图可视化的更好选择。尽管如此，Basemap 仍然是 Python 用户在其虚拟工具栏中拥有的有用工具。在本节中，我们将展示使用此工具包可以实现的地图可视化类型的几个示例。
+
+Basemap 的安装很简单；如果你正在使用 conda，你可以输入这个，然后下载包：
+
+```
+$ conda install basemap
+```
+
+我们只在标准样板中添加一个新的导入：
+
+```py
+%matplotlib inline
+import numpy as np
+import matplotlib.pyplot as plt
+from mpl_toolkits.basemap import Basemap
+```
+
+一旦安装并导入了 Basemap 工具包，地理绘图就能在几行之内实现（下面的图形也需要 Python 2 中的``PIL``包，或者 Python 3 中的``pillow``包）：
+
+```py
+plt.figure(figsize=(8, 8))
+m = Basemap(projection='ortho', resolution=None, lat_0=50, lon_0=-100)
+m.bluemarble(scale=0.5);
+```
+
+![png](../img/8-16-1.png)
+
+`Basemap`参数的含义将立即讨论。
+
+有用的是这里显示的地球不仅仅是一个图像; 它是一个功能齐全的 Matplotlib 轴域，它可以理解球面坐标，这使我们可以轻松地在地图上绘制数据！例如，我们可以使用不同的地图投影，放大到北美并绘制西雅图的位置。我们将使用 etopo 图像（显示陆地和海底的地形特征）作为地图背景：
+
+```py
+fig = plt.figure(figsize=(8, 8))
+m = Basemap(projection='lcc', resolution=None,
+            width=8E6, height=8E6, 
+            lat_0=45, lon_0=-100,)
+m.etopo(scale=0.5, alpha=0.5)
+
+# 将 (long, lat) 映射为 (x, y) 以便绘图
+x, y = m(-122.3, 47.6)
+plt.plot(x, y, 'ok', markersize=5)
+plt.text(x, y, ' Seattle', fontsize=12);
+```
+
+![png](../img/8-16-2.png)
+
+
+通过几行 Python，你可以轻松了解可能的地理可视化类型。我们现在将更深入地讨论 Basemap 的功能，并提供几个可视化地图数据的示例。使用这些简短的示例作为积木，你应该能够创建几乎任何你想要的地图可视化。
+
+## 地图投影
+
+使用地图时要决定的第一件事，是要使用什么投影。你可能已经熟悉这样一个事实：不可能将球形地图（例如地球的地图）投影到平坦的表面上，而不会以某种方式扭曲或破坏其连续性。这些预测是在人类历史进程中发展起来的，有很多选择！取决于地图投影的预期用途，有一些地图特征，保留它们很有用（例如，方向，区域，距离，形状或其他考虑因素）。
+
+Basemap 包实现了几十个这样的投影，全部由短格式代码引用。在这里，我们将简要介绍一些比较常见的。我们首先定义一个便利例程来绘制我们的世界地图以及经纬线：
+
+```py
+from itertools import chain
+
+def draw_map(m, scale=0.2):
+    # 绘制阴影浮雕图像
+    m.shadedrelief(scale=scale)
+    
+    # 将 lats 和 lons 作为字典返回
+    lats = m.drawparallels(np.linspace(-90, 90, 13))
+    lons = m.drawmeridians(np.linspace(-180, 180, 13))
+
+    # 键包含 plt.Line2D 实例
+    lat_lines = chain(*(tup[1][0] for tup in lats.items()))
+    lon_lines = chain(*(tup[1][0] for tup in lons.items()))
+    all_lines = chain(lat_lines, lon_lines)
+    
+    # 遍历这些线并设置所需的样式
+    for line in all_lines:
+        line.set(linestyle='-', alpha=0.3, color='w')
+```
+
+### 圆柱投影
+
+最简单的地图投影是圆柱投影，其中恒定纬度和经度的线分别映射到水平线和垂直线。这种类型的映射很好地代表了赤道区域，但产生了极点附近的极端扭曲。纬线的间距在不同的圆柱投影之间变化，产生不同的保留特征，并且在极点附近的不同的变形。在下图中，我们展示了等距圆柱投影的示例，它选择了沿子午线保留距离的纬度缩放。其他圆柱投影是墨卡托（``projection='merc'``）和圆柱等积（``projection='cea'``）投影。
+
+```py
+fig = plt.figure(figsize=(8, 6), edgecolor='w')
+m = Basemap(projection='cyl', resolution=None,
+            llcrnrlat=-90, urcrnrlat=90,
+            llcrnrlon=-180, urcrnrlon=180, )
+draw_map(m)
+```
+
+![png](../img/8-16-3.png)
+
+
+此视图的 Basemap 的附加参数，为所需的地图指定左下角（``llcrnr``）和右上角（``urcrnr``）的纬度（``lat``）和经度（``lon``），以度为单位。
+
+### 伪圆柱投影
+
+伪圆柱投影放松了子午线（恒定经线）保持垂直的要求; 这可以在投影的极点附近提供更好的特性。墨卡托投影（``projection ='moll'``）是这方面的一个常见例子，其中所有经线都是椭圆弧。它的构造是为了保留地图上的区域：尽管两极附近存在扭曲，但小块的区域反映了真实区域。其他伪圆柱投影是正弦曲线（``projection='sinu'``）和罗宾逊（``projection='robin'``）投影。
+
+```py
+fig = plt.figure(figsize=(8, 6), edgecolor='w')
+m = Basemap(projection='moll', resolution=None,
+            lat_0=0, lon_0=0)
+draw_map(m)
+```
+
+![png](../img/8-16-4.png)
+
+
+这里 Basemap 的额外参数是指所需映射的中心纬度（``lat_0``）和经度（``lon_0``）。
+
+### 透视投影
+
+透视投影使用透视点的特定选择构建，类似于你从空间中的特定点拍摄地球（对于某些投影，技术上点位于地球内部！）。一个常见的例子是正交投影（``projection='ortho'``），它显示了远处的观察者看到的地球的一侧。因此，它一次只能显示全球的一半。
+
+其他基于视角的投影包括 gnomonic 投影（``projection='gnom'``）和立体投影（``projection='stere'``）。这些通常对于显示地图的一小部分最有用。
+
+以下是正交投影的示例：
+
+```py
+fig = plt.figure(figsize=(8, 8))
+m = Basemap(projection='ortho', resolution=None,
+            lat_0=50, lon_0=0)
+draw_map(m);
+```
+
+![png](../img/8-16-5.png)
+
+
+### 圆锥投影
+
+圆锥投影将地图投影到单个圆锥上，然后展开。这可以产生非常好的局部特性，但是远离圆锥焦点的区域可能变得非常扭曲。其中一个例子是 Lambert Conformal 圆锥投影（``projection='lcc'``），我们之前在北美地图中看到过。
+
+它将地图投影到一个圆锥上，这个圆锥的排列方式使得两个标准平行线（在 Basemap 中由``lat_1``和``lat_2``规定）的距离是良好表示的，比例在它们之间减小并且在它们之外增加。其他有用的圆锥投影是等距圆锥投影（``projection='eqdc'``）和 Albers 等面投影（``projection='aea'``）。圆锥投影，就像透视投影，往往是表示地球中小块区域的良好选择。
+
+```py
+fig = plt.figure(figsize=(8, 8))
+m = Basemap(projection='lcc', resolution=None,
+            lon_0=0, lat_0=50, lat_1=45, lat_2=55,
+            width=1.6E7, height=1.2E7)
+draw_map(m)
+```
+
+![png](../img/8-16-6.png)
+
+
+### 其它投影
+
+如果你要对基于地图的可视化做很多事情，我建议你了解其他可用的投影，以及它们的属性，优点和缺点。
+最有可能的是，它们可以在[ Basemap 包](http://matplotlib.org/basemap/users/mapsetup.html)中找到。
+如果你深入研究这个主题，你会发现一个令人难以置信的极客的亚文化 geo-viz，他们为热烈争论做好了准备，来为任何给定应用支持他们最喜欢的投影！
+
+## 绘制地图背景
+
+之前我们看过``bluemarble()``和``shadedrelief()``方法，用于在地图上投影全球图像，以及``drawparallels()``和``drawmeridians()``方法用于绘制恒定经纬度的线。Basemap 包包含一系列有用的函数，用于绘制物理特征的边界，例如大陆，海洋，湖泊和河流等，以及政治边界，例如国家地区，以及美国各州和县。以下是一些可用绘图功能，你可能希望使用 IPython 帮助特性来探索：
+
+-   **物理边界和水体**
+    - ``drawcoastlines()``：绘制大陆海岸线
+    - ``drawlsmask()``：绘制陆地和海洋之间的掩码，用于在一个或另一个上投射图像
+    - ``drawmapboundary()``：绘制地图边界，包括海洋的填充颜色。
+    - ``drawrivers()``：在地图上绘制河流
+    - ``fillcontinents()``：用给定的颜色填充大陆；可选择用另一种颜色填充湖泊
+
+-   **政治边界**
+    - ``drawcountries()``：绘制国界
+    - ``drawstates()``：绘制美国国界
+    - ``drawcounties()``：绘制美国县界
+
+-   **地图功能**
+    - ``drawgreatcircle()``：在两点之间绘制大圆圈
+    - ``drawparallels()``：绘制恒定纬度的线条
+    - ``drawmeridians()``：绘制恒定经度的线条
+    - ``drawmapscale()``：在地图上绘制线性刻度
+
+-   **全球图像**
+    - ``bluemarble()``：将 NASA 的蓝色大理石图像投影到地图上
+    - ``shadedrelief()``：将阴影浮雕图像投影到地图上
+    - ``etopo()``：在地图上绘制一个 etopo 浮雕图像
+    - ``warpimage()``：将用户提供的图像投影到地图上
+
+对于基于边界的特性，必须在创建 Basemap 图像时设置所需的分辨率。``Basemap``类的``resolution``参数设置边界中的细节级别，他们是``'c'``（原始），``'l'``（低），``'i'`（中），``'h'``（高），``'f'``（完整）或`None`（如果没有使用边界）。这个选项很重要：例如，在全局地图上设置高分辨率边界可能非常慢。
+
+这是绘制陆地/海洋边界，以及分辨率参数的效果的示例。我们将创建苏格兰的美丽的斯凯岛的低分辨率和高分辨率地图。它位于北纬 57.3°，6.2°W，90,000×120,000 公里的地图很好显示它：
+
+```py
+fig, ax = plt.subplots(1, 2, figsize=(12, 8))
+
+for i, res in enumerate(['l', 'h']):
+    m = Basemap(projection='gnom', lat_0=57.3, lon_0=-6.2,
+                width=90000, height=120000, resolution=res, ax=ax[i])
+    m.fillcontinents(color="#FFDDCC", lake_color='#DDEEFF')
+    m.drawmapboundary(fill_color="#DDEEFF")
+    m.drawcoastlines()
+    ax[i].set_title("resolution='{0}'".format(res));
+```
+
+![png](../img/8-16-7.png)
+
+请注意，低分辨率海岸线不适合此级别的缩放，而高分辨率的工作正常。然而，低水平对于全局视图来说效果会很好，并且比加载整个地球的高分辨率边界数据要快得多！可能需要进行一些实验，才能找到给定视图的正确分辨率参数：最佳路径是从快速低分辨率的绘图开始，并根据需要增加分辨率。
+
+## 在 Basemap 上绘制数据
+
+也许 Basemap 工具包中最有用的部分，是将各种数据绘制到地图背景上的能力。对于简单的绘图和文本，任何``plt``函数都可以在地图上执行；你可以使用``Basemap``实例将纬度和经度坐标投影到``(x, y)``坐标，用于``plt``的绘图，正如我们在西雅图示例中所见。
+
+除此之外，还有许多特定于地图的函数，可用作``Basemap``实例的方法。这些东西与它们的标准 Matplotlib 对应物非常相似，但是有一个额外的布尔参数``latlon``，如果设置为``True``，它允许你将原始纬度和经度传递给方法，而不是投影``(x, y)``坐标。
+
+其中一些特定于地图的方法是：
+
+- ``contour()/contourf()``：绘制等高线或填充的等高线
+- ``imshow()``：绘制图像
+- ``pcolor()/pcolormesh()``：为不规则/规则网格绘制伪彩色图
+- ``plot()``：绘制线条和/或标记。
+- ``scatter()``：绘制带标记的点。
+- ``quiver()``：绘制向量。
+- ``barbs()``：绘制风向。
+- ``drawgreatcircle()``：绘制大圆圈。
+ 
+我们将继续并看到其中一些例子。这些函数的更多信息，包括几个示例图，请参阅[在线 Basemap 文档](http://matplotlib.org/basemap/)。
+
+## 示例：加利福尼亚的城市
+
+回想一下，在“自定义图例”中，我们演示了在散点图中使用大小和颜色，来传达加州城市的位置，大小和人口的信息。在这里，我们将再次创建此绘图，但使用 Basemap 将数据放在上下文中。
+
+我们开始加载数据，就像我们之前做的那样：
+
+```py
+import pandas as pd
+cities = pd.read_csv('data/california_cities.csv')
+
+# 提取我们感兴趣的数据
+lat = cities['latd'].values
+lon = cities['longd'].values
+population = cities['population_total'].values
+area = cities['area_total_km2'].values
+```
+
+接下来，我们设置地图投影，绘制数据的散点图，然后创建颜色条和图例：
+
+```py
+# 1. 绘制地图北京
+fig = plt.figure(figsize=(8, 8))
+m = Basemap(projection='lcc', resolution='h', 
+            lat_0=37.5, lon_0=-119,
+            width=1E6, height=1.2E6)
+m.shadedrelief()
+m.drawcoastlines(color='gray')
+m.drawcountries(color='gray')
+m.drawstates(color='gray')
+
+# 2. 绘制城市数据的散点图，其中颜色反映人口
+# 尺寸反映面积
+m.scatter(lon, lat, latlon=True,
+          c=np.log10(population), s=area,
+          cmap='Reds', alpha=0.5)
+
+# 3. 创建颜色条和图例
+plt.colorbar(label=r'$\log_{10}({\rm population})$')
+plt.clim(3, 7)
+
+# 使用虚拟的点生成图例
+for a in [100, 300, 500]:
+    plt.scatter([], [], c='k', alpha=0.5, s=a,
+                label=str(a) + ' km$^2$')
+plt.legend(scatterpoints=1, frameon=False,
+           labelspacing=1, loc='lower left');
+```
+
+![png](../img/8-16-8.png)
+
+
+这向我们展示了大量人口在加利福尼亚定居的地方：它们聚集在洛杉矶和旧金山地区的海岸附近，沿着平坦的中央山谷中的高速公路延伸，几乎完全避开了沿着国界的山区。 
+
+## 示例：表面温度数据
+
+作为一些更连续的地理数据的可视化示例，让我们考虑一下 2014 年 1 月袭击美国东部的“极涡”。任何气候数据的重要来源是[美国宇航局 Goddard 空间研究所](http://data.giss.nasa.gov/)。这里我们将使用 GIS 250 温度数据，我们可以使用 shell 命令下载（在 Windows 机器上，这些命令可能必须修改）。此处使用的数据下载于 2016 年 6 月 12 日，文件大小约为 9MB：
+
+```py
+# !curl -O http://data.giss.nasa.gov/pub/gistemp/gistemp250.nc.gz
+# !gunzip gistemp250.nc.gz
+```
+
+数据采用NetCDF格式，可以通过``netCDF4``库在 Python 中读取。你可以像此处所示安装此库：
+
+```
+$ conda install netcdf4
+```
+
+我们这样读取数据：
+
+```py
+from netCDF4 import Dataset
+data = Dataset('gistemp250.nc')
+```
+
+该文件包含不同日期的许多全球温度读数；我们需要选择我们感兴趣的日期的索引 - 这里是 2014 年 1 月 15 日：
+
+```py
+from netCDF4 import date2index
+from datetime import datetime
+timeindex = date2index(datetime(2014, 1, 15),
+                       data.variables['time'])
+```
+
+现在我们可以加载经纬度数据，以及这个索引的温度异常：
+
+```py
+lat = data.variables['lat'][:]
+lon = data.variables['lon'][:]
+lon, lat = np.meshgrid(lon, lat)
+temp_anomaly = data.variables['tempanomaly'][timeindex]
+```
+
+最后，我们将使用``pcolormesh()``方法绘制数据的颜色网格。我们将看看北美，并在背景中使用阴影浮雕地图。请注意，对于此数据，我们专门选择了一个离散颜色表，其中零处为中性色，负值和正值为两个对比色。我们还会在颜色上轻轻划出海岸线以供参考：
+
+```py
+fig = plt.figure(figsize=(10, 8))
+m = Basemap(projection='lcc', resolution='c',
+            width=8E6, height=8E6, 
+            lat_0=45, lon_0=-100,)
+m.shadedrelief(scale=0.5)
+m.pcolormesh(lon, lat, temp_anomaly,
+             latlon=True, cmap='RdBu_r')
+plt.clim(-8, 8)
+m.drawcoastlines(color='lightgray')
+
+plt.title('January 2014 Temperature Anomaly')
+plt.colorbar(label='temperature anomaly (°C)');
+```
+
+![png](../img/8-16-9.png)
+
+该数据描绘了该月发生的局部极端温度异常。美国东部比正常情况要冷得多，而西部和阿拉斯加的温度要高得多。没有记录温度的区域显示地图背景。

docs/8.17.md

+# 8.17 使用 Seaborn 的可视化
+
+> 原文：[Visualization with Seaborn](https://nbviewer.jupyter.org/github/donnemartin/data-science-ipython-notebooks/blob/master/matplotlib/04.14-Visualization-With-Seaborn.ipynb)
+> 
+> 译者：[飞龙](https://github.com/wizardforcel)
+> 
+> 协议：[CC BY-NC-SA 4.0](http://creativecommons.org/licenses/by-nc-sa/4.0/)
+> 
+> 本节是[《Python 数据科学手册》](https://github.com/jakevdp/PythonDataScienceHandbook)（Python Data Science Handbook）的摘录。
+
+Matplotlib 据证明是一种非常有用和流行的可视化工具，但即使狂热的用户也会承认它经常会有很多不足之处。有几个对 Matplotlib 的有效的抱怨常常出现：
+
+- 在 2.0 版之前，Matplotlib 的默认值并不是最佳选择。 它基于大约 1999 年的 MATLAB，经常是这样。
+- Matplotlib 的 API 相对较低。 可以进行复杂的统计可视化，但通常需要大量的样板代码。
+- Matplotlib 比 Pandas 早了十多年，因此不适合与 Pandas 的``DataFrame`一起使用。 为了可视化来自 Pandas ``DataFrame``的数据，你必须提取每个``Series``并经常将它们连接成正确的格式。 如果有一个绘图库可以智能地在绘图中使用`DataFrame`标签会更好。
+
+这些问题的答案是[Seaborn](http://seaborn.pydata.org/)。 Seaborn 在 Matplotlib 之上提供 API，为绘图样式和颜色默认值提供合理的选择，为常见的统计绘图类型定义简单的高级函数，并与 Pandas `DataFrame`提供的功能集成。
+
+公平地说，Matplotlib 团队正在解决这个问题：它最近添加了“自定义 Matplotlib：配置和样式表”中讨论的``plt.style``工具，并且正在开始 更无缝地处理 Pandas 数据。该库的 2.0 版本将包含新的默认样式表，它将改善现状。但出于所讨论的所有原因，Seaborn 仍然是一个非常有用的插件。
+
+## Seaborn VS Matplotlib
+
+下面是 Matplotlib 中简单随机游走图的示例，使用其经典的绘图格式和颜色。我们从典型的导入开始：
+
+```py
+import matplotlib.pyplot as plt
+plt.style.use('classic')
+%matplotlib inline
+import numpy as np
+import pandas as pd
+```
+
+现在我们创建一些随机游走数据：
+
+```py
+# 创建一些数据
+rng = np.random.RandomState(0)
+x = np.linspace(0, 10, 500)
+y = np.cumsum(rng.randn(500, 6), 0)
+```
+
+并执行简单的绘图：
+
+```py
+# 使用 Matplotlib 默认值绘制数据
+plt.plot(x, y)
+plt.legend('ABCDEF', ncol=2, loc='upper left');
+```
+
+![png](../img/8-17-1.png)
+
+虽然结果包含了我们希望传达的所有信息，但它的确以一种并非好看的方式，甚至在 21 世纪数据可视化的背景下看起来有点过时。
+
+现在让我们来看看它如何与 Seaborn 一起使用。我们将要看到，Seaborn 有许多自己的高级绘图例程，但它也可以覆盖 Matplotlib 的默认参数，反过来甚至可以使简单的 Matplotlib 脚本产生非常出色的输出。我们可以通过调用 Seaborn 的``set()``方法来设置样式。按照惯例，Seaborn 被导入为``sns``：
+
+```py
+import seaborn as sns
+sns.set()
+```
+
+现在让我们重新运行与以前相同的两行：
+
+```py
+# 和上面一样的绘图代码
+plt.plot(x, y)
+plt.legend('ABCDEF', ncol=2, loc='upper left');
+```
+
+![png](../img/8-17-2.png)
+
+啊，好多了！
+
+## 探索 Seaborn 绘图
+
+Seaborn 的主要思想是它提供高级命令，来创建用于统计数据探索，甚至是一些统计模型拟合的各种绘图类型。
+
+我们来看看Seaborn中可用的一些数据集和绘图类型。 请注意，以下所有都可以使用原始 Matplotlib 命令完成（事实上，这是 Seaborn 所做的事情），但 Seaborn API 更方便。
+
+### 直方图，KDE，和密度
+
+通常在统计数据可视化中，你只需要绘制直方图和变量的联合分布。我们已经看到这在 Matplotlib 中相对简单：
+
+```py
+data = np.random.multivariate_normal([0, 0], [[5, 2], [2, 2]], size=2000)
+data = pd.DataFrame(data, columns=['x', 'y'])
+
+for col in 'xy':
+    plt.hist(data[col], normed=True, alpha=0.5)
+```
+
+![png](../img/8-17-3.png)
+
+我们可以使用核密度估计来获得对分布的平滑估计，而不是直方图，Seaborn 使用``sns.kdeplot``来执行：
+
+```py
+for col in 'xy':
+    sns.kdeplot(data[col], shade=True)
+```
+
+![png](../img/8-17-4.png)
+
+直方图和 KDE 可以使用``distplot``组合：
+
+```py
+sns.distplot(data['x'])
+sns.distplot(data['y']);
+```
+
+![png](../img/8-17-5.png)
+
+如果我们将完整的二维数据集传递给``kdeplot``，我们将获得数据的二维可视化：
+
+```py
+sns.kdeplot(data);
+```
+
+![png](../img/8-17-6.png)
+
+我们可以使用``sns.jointplot``查看联合分布和边缘分布。对于此图，我们将样式设置为白色背景：
+
+```py
+with sns.axes_style('white'):
+    sns.jointplot("x", "y", data, kind='kde');
+```
+
+![png](../img/8-17-7.png)
+
+还有其他参数可以传递给``jointplot`` - 例如，我们可以使用基于六边形的直方图：
+
+```py
+with sns.axes_style('white'):
+    sns.jointplot("x", "y", data, kind='hex')
+```
+
+![png](../img/8-17-8.png)
+
+### 配对绘图
+
+将联合绘图推广到高维数据集时，最终会得到配对绘图。 当你想要绘制所有值对于彼此的配对时，这对于探索多维数据之间的相关性非常有用。
+
+我们将使用着名的鸢尾花数据集进行演示，该数据集列出了三种鸢尾花物种的花瓣和萼片的测量值：
+
+```py
+iris = sns.load_dataset("iris")
+iris.head()
+```
+
+|  | sepal_length | sepal_width | petal_length | petal_width | species |
+| --- | --- | --- | --- | --- | --- |
+| 0 | 5.1 | 3.5 | 1.4 | 0.2 | setosa |
+| 1 | 4.9 | 3.0 | 1.4 | 0.2 | setosa |
+| 2 | 4.7 | 3.2 | 1.3 | 0.2 | setosa |
+| 3 | 4.6 | 3.1 | 1.5 | 0.2 | setosa |
+| 4 | 5.0 | 3.6 | 1.4 | 0.2 | setosa |
+
+可视化样本之间的多维关系就像调用``sns.pairplot``一样简单：
+
+```py
+sns.pairplot(iris, hue='species', size=2.5);
+```
+
+![png](../img/8-17-9.png)
+
+
+### 分面直方图
+
+有时，查看数据的最佳方式是通过子集的直方图。 Seaborn 的``FacetGrid``使其非常简单。我们将根据各种指标数据查看一些数据，它们显示餐厅员工在小费中收到的金额：
+
+```py
+tips = sns.load_dataset('tips')
+tips.head()
+```
+
+|  | total_bill | tip | sex | smoker | day | time | size |
+| --- | --- | --- | --- | --- | --- | --- |
+| 0 | 16.99 | 1.01 | Female | No | Sun | Dinner | 2 |
+| 1 | 10.34 | 1.66 | Male | No | Sun | Dinner | 3 |
+| 2 | 21.01 | 3.50 | Male | No | Sun | Dinner | 3 |
+| 3 | 23.68 | 3.31 | Male | No | Sun | Dinner | 2 |
+| 4 | 24.59 | 3.61 | Female | No | Sun | Dinner | 4 |
+
+```py
+tips['tip_pct'] = 100 * tips['tip'] / tips['total_bill']
+
+grid = sns.FacetGrid(tips, row="sex", col="time", margin_titles=True)
+grid.map(plt.hist, "tip_pct", bins=np.linspace(0, 40, 15));
+```
+
+![png](../img/8-17-10.png)
+
+
+### 因子图
+
+因子图也可用于此类可视化。 这允许你查看由任何其他参数定义的桶中的参数分布：
+
+```py
+with sns.axes_style(style='ticks'):
+    g = sns.factorplot("day", "total_bill", "sex", data=tips, kind="box")
+    g.set_axis_labels("Day", "Total Bill");
+```
+
+![png](../img/8-17-11.png)
+
+
+### 联合分布
+
+与我们之前看到的配对图类似，我们可以使用``sns.jointplot``来显示不同数据集之间的联合分布以及相关的边缘分布：
+
+```py
+with sns.axes_style('white'):
+    sns.jointplot("total_bill", "tip", data=tips, kind='hex')
+```
+
+![png](../img/8-17-12.png)
+
+联合图甚至可以做一些自动的核密度估计和回归：
+
+```py
+sns.jointplot("total_bill", "tip", data=tips, kind='reg');
+```
+
+![png](../img/8-17-13.png)
+
+
+### 条形图
+
+时间序列可以使用``sns.factorplot``绘制。 在下面的示例中，我们将使用我们在“聚合和分组”中首次看到的行星数据：
+
+```py
+planets = sns.load_dataset('planets')
+planets.head()
+```
+
+|  | method | number | orbital_period | mass | distance | year |
+| --- | --- | --- | --- | --- | --- | --- |
+| 0 | Radial Velocity | 1 | 269.300 | 7.10 | 77.40 | 2006 |
+| 1 | Radial Velocity | 1 | 874.774 | 2.21 | 56.95 | 2008 |
+| 2 | Radial Velocity | 1 | 763.000 | 2.60 | 19.84 | 2011 |
+| 3 | Radial Velocity | 1 | 326.030 | 19.40 | 110.62 | 2007 |
+| 4 | Radial Velocity | 1 | 516.220 | 10.50 | 119.47 | 2009 |
+
+```py
+with sns.axes_style('white'):
+    g = sns.factorplot("year", data=planets, aspect=2,
+                       kind="count", color='steelblue')
+    g.set_xticklabels(step=5)
+```
+
+![png](../img/8-17-14.png)
+
+通过查看每个行星的发现方法，我们可以了解更多信息：
+
+```py
+with sns.axes_style('white'):
+    g = sns.factorplot("year", data=planets, aspect=4.0, kind='count',
+                       hue='method', order=range(2001, 2015))
+    g.set_ylabels('Number of Planets Discovered')
+```
+
+![png](../img/8-17-15.png)
+
+对于使用 Seaborn 进行绘图的更多信息，请参阅[ Seaborn 文档](http://seaborn.pydata.org/)，[教程](http://seaborn.pydata.org/tutorial.htm)和[ Seaborn 画廊](http://seaborn.pydata.org/examples/index.html)。
+
+## 示例：探索马拉松结束时间
+
+在这里，我们将使用 Seaborn 来帮我们可视化和理解马拉松的结果。我从 Web 上的数据源抓取数据，汇总并删除任何身份信息，并将其放在 GitHub 上，可以在那里下载（如果你有兴趣使用 Python 抓取网页，我建议阅读 Ryan Mitchell 的[《Web Scraping with Python》](http://shop.oreilly.com/product/0636920034391.do)。我们首先从 Web 下载数据并将其加载到 Pandas 中：
+
+```py
+# !curl -O https://raw.githubusercontent.com/jakevdp/marathon-data/master/marathon-data.csv
+
+data = pd.read_csv('marathon-data.csv')
+data.head()
+```
+
+|  | age | gender | split | final |
+| --- | --- | --- | --- | --- |
+| 0 | 33 | M | 01:05:38 | 02:08:51 |
+| 1 | 32 | M | 01:06:26 | 02:09:28 |
+| 2 | 31 | M | 01:06:49 | 02:10:42 |
+| 3 | 38 | M | 01:06:16 | 02:13:45 |
+| 4 | 31 | M | 01:06:32 | 02:13:59 |
+
+默认情况下，Pandas 将时间列加载为 Python 字符串（类型``object``）；我们可以通过查看`DataFrame`的``dtypes``属性来看到它：
+
+```py
+data.dtypes
+
+'''
+age        int64
+gender    object
+split     object
+final     object
+dtype: object
+'''
+```
+
+让我们通过为时间提供转换器来解决这个问题：
+
+```py
+def convert_time(s):
+    h, m, s = map(int, s.split(':'))
+    return pd.datetools.timedelta(hours=h, minutes=m, seconds=s)
+
+data = pd.read_csv('marathon-data.csv',
+                   converters={'split':convert_time, 'final':convert_time})
+data.head()
+```
+
+|  | age | gender | split | final |
+| --- | --- | --- | --- | --- |
+| 0 | 33 | M | 01:05:38 | 02:08:51 |
+| 1 | 32 | M | 01:06:26 | 02:09:28 |
+| 2 | 31 | M | 01:06:49 | 02:10:42 |
+| 3 | 38 | M | 01:06:16 | 02:13:45 |
+| 4 | 31 | M | 01:06:32 | 02:13:59 |
+
+```py
+data.dtypes
+
+'''
+age                 int64
+gender             object
+split     timedelta64[ns]
+final     timedelta64[ns]
+dtype: object
+'''
+```
+
+这看起来好多了。 出于我们的 Seaborn 绘图工具的目的，让我们接下来添加以秒为单位的列：
+
+```py
+data['split_sec'] = data['split'].astype(int) / 1E9
+data['final_sec'] = data['final'].astype(int) / 1E9
+data.head()
+```
+
+|  | age | gender | split | final | split_sec | final_sec |
+| --- | --- | --- | --- | --- | --- | --- |
+| 0 | 33 | M | 01:05:38 | 02:08:51 | 3938.0 | 7731.0 |
+| 1 | 32 | M | 01:06:26 | 02:09:28 | 3986.0 | 7768.0 |
+| 2 | 31 | M | 01:06:49 | 02:10:42 | 4009.0 | 7842.0 |
+| 3 | 38 | M | 01:06:16 | 02:13:45 | 3976.0 | 8025.0 |
+| 4 | 31 | M | 01:06:32 | 02:13:59 | 3992.0 | 8039.0 |
+
+为了了解数据的样子，我们可以在数据上绘制一个``jointplot``：
+
+```py
+with sns.axes_style('white'):
+    g = sns.jointplot("split_sec", "final_sec", data, kind='hex')
+    g.ax_joint.plot(np.linspace(4000, 16000),
+                    np.linspace(8000, 32000), ':k')
+```
+
+![png](../img/8-17-16.png)
+
+虚线表示如果他们以完全稳定的速度跑马拉松，那么某人的时间会在哪里。 分布高于此的事实表明（正如你所料）大多数人在马拉松比赛过程中减速。如果你有竞争力，那么你就会知道那些在比赛后半段跑得更快的人 - 被称为将比赛负分割（negative-split）。
+
+让我们在数据中创建另一个列，即分割分数，它测量每个运动员将比赛负分割或正分割（positive-split）的程度：
+
+```py
+data['split_frac'] = 1 - 2 * data['split_sec'] / data['final_sec']
+data.head()
+```
+
+|  | age | gender | split | final | split_sec | final_sec | split_frac |
+| --- | --- | --- | --- | --- | --- | --- | --- |
+| 0 | 33 | M | 01:05:38 | 02:08:51 | 3938.0 | 7731.0 | -0.018756 |
+| 1 | 32 | M | 01:06:26 | 02:09:28 | 3986.0 | 7768.0 | -0.026262 |
+| 2 | 31 | M | 01:06:49 | 02:10:42 | 4009.0 | 7842.0 | -0.022443 |
+| 3 | 38 | M | 01:06:16 | 02:13:45 | 3976.0 | 8025.0 | 0.009097 |
+| 4 | 31 | M | 01:06:32 | 02:13:59 | 3992.0 | 8039.0 | 0.006842 |
+
+如果此分割差异小于零，则这个人将比赛以这个比例负分割。让我们绘制这个分割分数的分布图：
+
+```py
+sns.distplot(data['split_frac'], kde=False);
+plt.axvline(0, color="k", linestyle="--");
+```
+
+![png](../img/8-17-17.png)
+
+```py
+sum(data.split_frac < 0)
+
+# 251
+```
+
+在近 40,000 名参与者中，只有 250 人将马拉松负分割。
+
+让我们看看这个分割分数和其他变量之间是否存在任何相关性。我们将使用``pairgrid``来绘制所有这些相关性：
+
+```py
+g = sns.PairGrid(data, vars=['age', 'split_sec', 'final_sec', 'split_frac'],
+                 hue='gender', palette='RdBu_r')
+g.map(plt.scatter, alpha=0.8)
+g.add_legend();
+```
+
+![png](../img/8-17-18.png)
+
+
+看起来分割分数与年龄没有特别的关联，但确实与最终时间相关：更快的运动员往往将马拉松时间等分。（我们在这里看到，当涉及到绘图样式时，Seaborn 不是 Matplotlib 弊病的灵丹妙药：特别是，`x`轴标签重叠。因为输出是一个简单的 Matplotlib 图，但是，“自定义刻度”中的方法可以用来调整这些东西。）
+
+这里男女之间的区别很有意思。 让我们看看这两组的分割分数的直方图：
+
+```py
+sns.kdeplot(data.split_frac[data.gender=='M'], label='men', shade=True)
+sns.kdeplot(data.split_frac[data.gender=='W'], label='women', shade=True)
+plt.xlabel('split_frac');
+```
+
+![png](../img/8-17-19.png)
+
+这里有趣的是，有更多的男人比女人更接近等分！这几乎看起来像男女之间的某种双峰分布。 让我们看看，我们是否可以通过将分布看做年龄的函数，来判断发生了什么。
+
+比较分布的好方法是使用提琴图：
+
+```py
+sns.violinplot("gender", "split_frac", data=data,
+               palette=["lightblue", "lightpink"]);
+```
+
+![png](../img/8-17-20.png)
+
+
+这是比较男女之间分布的另一种方式。
+
+让我们看得深入一些，然后将这些提琴图作为年龄的函数进行比较。我们首先在数组中创建一个新列，指定每个人的年龄，以十年为单位：
+
+```py
+data['age_dec'] = data.age.map(lambda age: 10 * (age // 10))
+data.head()
+```
+
+|  | age | gender | split | final | split_sec | final_sec | split_frac | age_dec |
+| --- | --- | --- | --- | --- | --- | --- | --- | --- |
+| 0 | 33 | M | 01:05:38 | 02:08:51 | 3938.0 | 7731.0 | -0.018756 | 30 |
+| 1 | 32 | M | 01:06:26 | 02:09:28 | 3986.0 | 7768.0 | -0.026262 | 30 |
+| 2 | 31 | M | 01:06:49 | 02:10:42 | 4009.0 | 7842.0 | -0.022443 | 30 |
+| 3 | 38 | M | 01:06:16 | 02:13:45 | 3976.0 | 8025.0 | 0.009097 | 30 |
+| 4 | 31 | M | 01:06:32 | 02:13:59 | 3992.0 | 8039.0 | 0.006842 | 30 |
+
+```py
+men = (data.gender == 'M')
+women = (data.gender == 'W')
+
+with sns.axes_style(style=None):
+    sns.violinplot("age_dec", "split_frac", hue="gender", data=data,
+                   split=True, inner="quartile",
+                   palette=["lightblue", "lightpink"]);
+```
+
+![png](../img/8-17-21.png)
+
+
+考虑到这一点，我们可以看到男性和女性的分布在哪里不同：与同龄（或任何年龄的）女性相比，20 到 50 岁男性的分割分布，与较低的分割相比，表现出明显的过度密集。
+
+同样令人惊讶的是，这位 80 岁的女性在分割时间方面表现优于每个人。 这可能是因为我们估计来自小数字的分布，因为在该范围内只有少数运动员：
+
+```py
+(data.age > 80).sum()
+
+# 7
+```
+
+回到带有负分割的男性：谁是这些运动员？ 这个分割分数是否与快速结束相关？ 我们可以很容易地绘制这个图。 我们将使用``regplot``，它将自动拟合数据的线性回归：
+
+```py
+g = sns.lmplot('final_sec', 'split_frac', col='gender', data=data,
+               markers=".", scatter_kws=dict(color='c'))
+g.map(plt.axhline, y=0.1, color="k", ls=":");
+```
+
+![png](../img/8-17-22.png)
+
+显然，带有快速分割的人是精英运动员，他们在约 15,000 秒或约 4 小时内结束。 慢于此的人不太可能具有快速的第二次分割。