Python
Seaborn
可视化
数据分布
直方图
使用 Seaborn 绘制数量与分布可视化图表：柱状图、点线图、直方图、箱线图等。
作者

Pinn Xu

发布于

2024年10月1日

11 min read · 478 EN words · 2332 中文字
环境和版本 
python==3.12
pandas==2.2.2
matplotlib==3.9.x
seaborn==0.13.2

1 Seaborn 与 Matplotlib

注: 使用本地环境 (如 Jupyter, VS Code 等) 需先安装 Seaborn；若使用 Google Colab, 已预置, 无需手动安装。

pip install seaborn
import seaborn as sns
import matplotlib.pyplot as plt

matplotlib.pyplot 通常缩写为 plt，以便快速调用绘图接口。不推荐使用完整路径：

import matplotlib.pyplot
matplotlib.pyplot.plot(略)
matplotlib.pyplot.show()

推荐写法：

import matplotlib.pyplot as plt  # 以 'plt' 为别名导入，便于后续调用
plt.plot(略)
plt.show()
  • mpl：matplotlib 的别名，用于全局配置、底层属性及高级子模块（色彩映射、3D 绘图等）。
  • plt：matplotlib.pyplot 的别名，用于快速创建和管理图表，是日常绘图的主要接口。

参考：matplotlib.pyplot 教程

df = sns.load_dataset('penguins')  # 加载企鹅示例数据集
df.info()  # 查看列名、数据类型及非空值数量
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 344 entries, 0 to 343
Data columns (total 7 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   species            344 non-null    object 
 1   island             344 non-null    object 
 2   bill_length_mm     342 non-null    float64
 3   bill_depth_mm      342 non-null    float64
 4   flipper_length_mm  342 non-null    float64
 5   body_mass_g        342 non-null    float64
 6   sex                333 non-null    object 
dtypes: float64(4), object(3)
memory usage: 18.9+ KB

float 数据

长度、质量等浮点列为连续数值。有 true zero（0 代表”无”）的为 ratio data（如长度、质量）；无 true zero 的为 interval data（如温度）。

object 数据

种类名称（species）、岛名（island）等为 nominal data；性别（sex）为 ordinal data。

df.head()  # 查看前五行
species island bill_length_mm bill_depth_mm flipper_length_mm body_mass_g sex
0 Adelie Torgersen 39.1 18.7 181.0 3750.0 Male
1 Adelie Torgersen 39.5 17.4 186.0 3800.0 Female
2 Adelie Torgersen 40.3 18.0 195.0 3250.0 Female
3 Adelie Torgersen NaN NaN NaN NaN NaN
4 Adelie Torgersen 36.7 19.3 193.0 3450.0 Female 
df.tail()  # 查看后五行
species island bill_length_mm bill_depth_mm flipper_length_mm body_mass_g sex
339 Gentoo Biscoe NaN NaN NaN NaN NaN
340 Gentoo Biscoe 46.8 14.3 215.0 4850.0 Female
341 Gentoo Biscoe 50.4 15.7 222.0 5750.0 Male
342 Gentoo Biscoe 45.2 14.8 212.0 5200.0 Female
343 Gentoo Biscoe 49.9 16.1 213.0 5400.0 Male 
df.sample(5)  # 随机抽取五行
species island bill_length_mm bill_depth_mm flipper_length_mm body_mass_g sex
147 Adelie Dream 36.6 18.4 184.0 3475.0 Female
81 Adelie Torgersen 42.9 17.6 196.0 4700.0 Male
155 Chinstrap Dream 45.4 18.7 188.0 3525.0 Female
341 Gentoo Biscoe 50.4 15.7 222.0 5750.0 Male
3 Adelie Torgersen NaN NaN NaN NaN NaN

注意：函数 (function) vs. 方法 (method)

df.info()、df.head()、df.tail()、df.sample() 均为 DataFrame 对象的方法，必须基于具体对象调用，不可独立使用。

pd.read_csv() 为 Pandas 预定义的函数，可直接调用：

df = pd.read_csv('文件路径')

df.sample() 则为对 df 对象操作的方法：

df.sample(4)
species island bill_length_mm bill_depth_mm flipper_length_mm body_mass_g sex
147 Adelie Dream 36.6 18.4 184.0 3475.0 Female
328 Gentoo Biscoe 43.3 14.0 208.0 4575.0 Female
2 Adelie Torgersen 40.3 18.0 195.0 3250.0 Female
260 Gentoo Biscoe 42.7 13.7 208.0 3950.0 Female

2 绘制柱状图

2.1 用 Seaborn 绘制基础柱状图

2.1.1 基础柱状图

# 基础柱状图：x 轴为类别，y 轴默认取均值；黑色误差线为 95% 置信区间
sns.barplot(data=df, x='island', y='body_mass_g')
plt.show()

# estimator='sum'：将柱高改为求和（默认为均值）
sns.barplot(data=df, x='island', y='body_mass_g', estimator='sum')
plt.show()

参考：sns.barplot() 函数的用法（estimator 参数）

sns.__version__  # 查看当前 Seaborn 版本（0.13 起默认单色，避免无意义的颜色区分）
'0.13.2'
# 验证：Biscoe 岛体质量均值即为柱状图对应的柱高
df.loc[df['island'] == 'Biscoe', 'body_mass_g'].mean()
4716.017964071856

2.1.2 计数图 (Count Plot)

# 计数图：自动统计每个类别的出现次数
sns.countplot(data=df, x='species')
plt.show()

参考：sns.countplot() 用法

2.2 柱分组 & 去除误差线

使用 hue 参数按类别分组，设置 errorbar=None 去除误差线。

# hue 按性别分组显示，errorbar=None 去除误差线
sns.barplot(data=df, x='island', y='body_mass_g', errorbar=None, hue='sex')
plt.show()

参考：sns.barplot() 函数的用法（errorbar 参数、hue 参数）

2.3 旋转刻度标签

x 轴标签过长时，可用 plt.xticks() 旋转标签：

sns.barplot(data=df, x='island', y='body_mass_g', errorbar=None, hue='sex')

# 标签旋转 45°，ha='right' 使标签右端与刻度线对齐
plt.xticks(rotation=45, ha='right')
plt.show()

参考：plt.xticks() 函数用法（kwargs 栏目）

Wilke (2019, chap. 6.1) 建议：标签密集时，改为横向排版比旋转标签更易读：

# 交换 xy 轴：标签密集时横向排版更易读
sns.barplot(data=df, y='island', x='body_mass_g', errorbar=None, hue='sex')
plt.show()

同样适用于 Count Plot：

sns.countplot(data=df, y='species', hue='sex')
plt.show()

2.4 设置总主题风格

# 设置全局绘图主题（作用于后续所有 Seaborn 图表，可用 sns.reset_orig() 还原）
sns.set_theme(font_scale=1.2, style='darkgrid')

sns.set_theme() 设置全局绘图主题，作用于之后所有 Seaborn 图表。调用 sns.reset_orig() 可恢复默认主题。

# 定义一个图表对象 ax
ax = sns.barplot(
    data=df, x='body_mass_g', y='island',
    errorbar=None, hue='sex',
)

# 设置标题与轴标签
ax.set(title='Penguin', xlabel='Body Mass (g)', ylabel='Island')
plt.show()

将 Seaborn 图表赋值给变量 ax 后，可调用 Matplotlib 方法进一步修改（类似将 DataFrame 赋值给 df 后再调用方法）。

注意：区分以下两者：

  • sns.set() / sns.set_theme()：Seaborn 全局主题设置函数（两者等价，sns.set_theme() 为首选）。
  • ax.set()：Matplotlib 中针对特定图表对象的方法，用于设置标题、轴标签等。

参考：
sns.set() 函数
sns.set_theme() 函数
ax.set() 方法

2.5 调整图例

无论 errorbar=None 还是 errorbar=('ci',0)，图例均可能遮挡图表，需用 sns.move_legend() 手动调整位置。

# errorbar=None：图例自动置于右侧
ax = sns.barplot(data=df, y='island', x='body_mass_g', errorbar=None, hue='sex')
ax.set(title='Penguin', xlabel='Body Mass (g)', ylabel='Island')
plt.show()

# errorbar=('ci', 0)：图例自动避让误差线区域
ax = sns.barplot(
    data=df, y='island', x='body_mass_g', 
    errorbar=('ci', 0), hue='sex',
)
ax.set(title='Penguin', xlabel='Body Mass (g)', ylabel='Island')
plt.show()

ax = sns.barplot(data=df, y='island', x='body_mass_g', errorbar=None, hue='sex')
ax.set(title='Penguin', xlabel='Body Mass (g)', ylabel='Island')

# bbox_to_anchor + loc 联用：将图例的 loc 参考点移至坐标 (0.5, -0.2)
sns.move_legend(ax, bbox_to_anchor=(0.5, -0.2), loc='upper center', ncols=2)
plt.show()

ax = sns.barplot(data=df, y='island', x='body_mass_g', errorbar=None, hue='sex')
ax.set(title='Penguin', xlabel='Body Mass (g)', ylabel='Island')
sns.move_legend(ax, loc='lower right')  # 仅设置 loc：图例移至图表右下角
plt.show()

ax = sns.barplot(data=df, y='island', x='body_mass_g', errorbar=None, hue='sex')
ax.set(title='Penguin', xlabel='Body Mass (g)', ylabel='Island')

# 图例左上角置于图表 (1, 1) 处
sns.move_legend(ax, loc='upper left', bbox_to_anchor=(1, 1))
plt.show()

参考：
sns.move_legend() 用法（obj 参数、loc 参数）
matplotlib.axes.Axes.legend() 用法（loc、ncols、bbox_to_anchor 参数）

2.6 修改颜色

使用 palette 参数修改图表配色，可传入以下类型的值：

  1. Seaborn 预定义调色板名称（默认 'deep'）：'deep'、'muted'、'bright'、'pastel'、'dark'、'colorblind'
  2. Matplotlib Colormap 名称：如 'viridis'、'plasma'、'coolwarm'、'Blues'、'Reds'
  3. HLS/HUSL 颜色模型：'hls'、'husl'
  4. Cubehelix 方案：'ch:<args>'，如 'ch:s=0.5,r=-0.5'（色盲友好，支持灰度打印）
  5. 渐变色：'light:<color>'、'dark:<color>'
  6. 混合色：'blend:<color1>,<color2>'
  7. 颜色代码列表：十六进制（['#FF5733', '#33FF57']）、RGB 元组、Matplotlib 颜色名称
# 默认调色板
ax = sns.barplot(data=df, y='island', x='body_mass_g', errorbar=None, hue='sex')
ax.set(title='Penguin', xlabel='Body Mass (g)', ylabel='Island')
sns.move_legend(ax, bbox_to_anchor=(1, 1), loc='upper left')
plt.show()

# palette='flare'：使用 Seaborn 预设调色板
ax = sns.barplot(data=df, y='island', x='body_mass_g', errorbar=None, hue='sex', palette='flare')
ax.set(title='Penguin', xlabel='Body Mass (g)', ylabel='Island')
sns.move_legend(ax, bbox_to_anchor=(1, 1), loc='upper left')
plt.show()

# palette 传入 Matplotlib 颜色名称列表
ax = sns.barplot(data=df, y='island', x='body_mass_g', errorbar=None, hue='sex', palette=['blue', 'orange'])
ax.set(title='Penguin', xlabel='Body Mass (g)', ylabel='Island')
sns.move_legend(ax, bbox_to_anchor=(1, 1), loc='upper left')
plt.show()

# palette 传入十六进制颜色代码列表
ax = sns.barplot(
    data=df, y='island', x='body_mass_g', 
    errorbar=None, hue='sex', palette=['#a1c9f4', '#8de5a1'],
)
ax.set(title='Penguin', xlabel='Body Mass (g)', ylabel='Island')
sns.move_legend(ax, bbox_to_anchor=(1, 1), loc='upper left')
plt.show()

参考：
Seaborn sns.set_theme() 函数（palette 参数）
Seaborn sns.color_palette() 函数（预设调色盘名称表）
Matplotlib 预命名颜色一览
Matplotlib Colormap 一览
w3schools 颜色提取器

拓展：统计每个岛屿的企鹅数量

以下两种方式等效，可用于后续按总量排序柱状图。

法1：df.groupby().size()

# 按 island 分组后统计每组行数
df.groupby('island').size()
island
Biscoe       168
Dream        124
Torgersen     52
dtype: int64

法2：df.value_counts()

# 统计 island 列中各值的出现次数
df.value_counts('island')
island
Biscoe       168
Dream        124
Torgersen     52
Name: count, dtype: int64

3 绘制其他图

3.1 点线图

柱状图的纵轴必须从 0 开始，以保证视觉比例与数据比例一致（Wilke (2019, chap.17) 的 Principle of Proportional Ink）。点线图无此限制，纵轴从数据范围起始，且 data-ink ratio 更高（干扰信息更少）。

当 x 轴为 nominal data（如岛屿名称）时，各点之间无需连线。

# linestyle='none'：x 轴为离散类别时不连线；点上下的线段为误差线
sns.pointplot(data=df, x='island', y='body_mass_g', hue='sex', linestyle='none')
plt.show()

参考：sns.pointplot() 函数用法

3.2 直方图

柱状图的 x 轴为离散类别（nominal/ordinal data）；直方图的 x 轴为连续数值区间（ratio data）。

sns.histplot(data=df, x='flipper_length_mm')
plt.show()

# hue 分组：各岛企鹅分别绘图后叠加显示
sns.histplot(data=df, x='flipper_length_mm', hue='island')
plt.show()

# 统一 y 轴范围，对比有无 hue 分组的差异
sns.histplot(data=df, x='flipper_length_mm')
plt.show()

sns.histplot(data=df, x='flipper_length_mm', hue='island')
plt.ylim(0, 80)
plt.show()

sns.histplot(
    data=df, x='flipper_length_mm',
    hue='island',
    stat='density',     # 各 bin 面积之和为 1（概率密度）
    common_norm=False   # 各组独立归一化 (每组面积和为1, 若 True 则所有面积和为1)
)
plt.show()

3.2.1 stat 参数

控制直方图的统计方式，可选值：

  • 'count'：bin 高度 = 该 bin 内的数据点数量（频数）。
  • 'frequency'：bin 高度 = 频数 / bin 宽度（单位宽度内的频数，适用于 bin 宽度不统一的情况）。
  • 'probability' / 'proportion'：bin 高度 = 频数 / 总数，所有 bin 高度之和为 1。
  • 'percent'：bin 高度 = (频数 / 总数) × 100，所有 bin 高度之和为 100。
  • 'density'：bin 高度 = 频率 / 组距，所有 bin 面积之和为 1（频率分布直方图）。当 bin 宽度趋近于 0 时，即得到平滑密度曲线。
# stat='count'：柱高 = bin 内数据点数量
ax = sns.histplot(data=df, x='flipper_length_mm', stat='count')

# 遍历每个柱子（patch），获取高度并在柱顶显示数值标签
for p in ax.patches:
    # 获取柱子高度（即区间内的数据点频数）
    height = p.get_height()
    # 添加文字
    ax.text(
        p.get_x() + p.get_width() / 2,  # x(文字横坐标): 柱子中心位置
        height, # y(文字纵坐标): 柱子高度
        int(height), # str(文字内容): 显示整数频数
        ha='center', va='bottom', # horizontal/vertical anchor (水平/垂直对齐方式)
    )
plt.show()

# stat='frequency'：柱高 = 频数 / bin 宽度
ax = sns.histplot(data=df, x='flipper_length_mm', stat='frequency')
for p in ax.patches:
    height = p.get_height()
    ax.text(
        p.get_x() + p.get_width() / 2, 
        height, int(height), 
        ha='center', va='bottom',
    )
plt.show()

# stat='probability'：柱高 = 频数 / 总数，所有柱高之和为 1
ax = sns.histplot(data=df, x='flipper_length_mm', stat='probability')
for p in ax.patches:
    height = p.get_height()
    ax.text(
        p.get_x() + p.get_width() / 2, 
        height, f'{height:.2f}', # 保留两位小数
        ha='center', va='bottom',
    )
plt.show()

# stat='percent'：柱高 = (频数 / 总数) × 100，所有柱高之和为 100
ax = sns.histplot(data=df, x='flipper_length_mm', stat='percent')
for p in ax.patches:
    height = p.get_height()
    ax.text(
        p.get_x() + p.get_width() / 2, 
        height, int(height), 
        ha='center', va='bottom',
    )
plt.show()

# stat='density'：柱高 = 频率 / 组距，所有 bin 面积之和为 1
ax = sns.histplot(data=df, x='flipper_length_mm', stat='density')
for p in ax.patches:
    height = p.get_height()
    ax.text(
        p.get_x() + p.get_width() / 2, 
        height, f'{height:.3f}', 
        ha='center', va='bottom',
    )
plt.show()

3.2.2 common_norm 参数

布尔值，仅在 stat 为 'probability'、'proportion'、'percent' 或 'density' 时生效，默认为 True：

  • common_norm=True：基于整个数据集归一化，不同组间的 bin 高度可直接比较。
  • common_norm=False：各子组独立归一化，bin 高度仅在组内有意义。
sns.histplot(
    data=df, x='flipper_length_mm', hue='island', 
    stat='density', common_norm=True, # 整体归一化：所有组的 bin 面积总和为 1
)
plt.show()

sns.histplot(
    data=df, x='flipper_length_mm', hue='island',
    stat='density', common_norm=False, # 各组独立归一化: 每组 bin 面积之和分别为 1
)
plt.show()

分组重叠不清晰时，可用 data=df[df['列']==值] 筛选数据，为各组分别绘图：

# 分岛绘图，避免分组叠加，逐一观察各岛分布
ax = sns.histplot(
    data=df[df['island'] == 'Torgersen'], 
    x='flipper_length_mm', stat='density'
)
ax.set(title='Torgersen Island', xlabel='Flipper Length (mm)')
plt.show()

ax = sns.histplot(
    data=df[df['island'] == 'Biscoe'], 
    x='flipper_length_mm', stat='density'
)
ax.set(title='Biscoe Island', xlabel='Flipper Length (mm)')
plt.show()

ax = sns.histplot(
    data=df[df['island'] == 'Dream'], 
    x='flipper_length_mm', stat='density'
)
ax.set(title='Dream Island', xlabel='Flipper Length (mm)')
plt.show()

参考：sns.histplot() 函数用法（hue、stat、common_norm 参数）

3.3 箱线图

箱线图（boxplot）通过五个关键值概括数据分布：Min、Q1、Q2（中位数）、Q3、Max，并标记超出须范围的异常值。

  • 箱体：Q1 至 Q3，包含中间 50% 的数据。
  • 箱内线：中位数（Q2）。
  • 须：从 Q1/Q3 向外延伸，默认至 1.5 × IQR 范围内的极值。
  • 异常值：超出须范围的点单独标记。

正态分布图 & IQR

正态分布图 & IQR

箱线图 vs. 直方图

箱线图

箱线图

箱线图适合快速识别分布概况与异常值；直方图适合查看具体区间内的频率分布。

sns.boxplot(data=df, x='flipper_length_mm', y='island', hue='sex')
plt.show()

sns.boxplot(
    data=df, x='flipper_length_mm', y='island', hue='sex',
    fliersize=8,  # fliersize: 异常点大小（默认 5）
)
plt.show()

sns.boxplot(
    data=df, x='flipper_length_mm', y='island', hue='sex', fliersize=8,
    whis=2,  # whisker:须延伸至 Q1/Q3 ± 2×IQR（默认 1.5），更大值减少异常点
)
plt.show()

参考：sns.boxplot() 函数用法（fliersize、whis 参数）

3.4 小提琴图

小提琴图结合了箱线图（中位数、分位数）与密度曲线（平滑分布）的特点。数据量较少时，平滑曲线可能失真，建议改用直方图或箱线图。

sns.violinplot(data=df, y='island', x='flipper_length_mm', hue='sex')
plt.show()

# split=True: 将同类别的两组合并为同一小提琴，便于对比分布形态
sns.violinplot(
    data=df, y='island', x='flipper_length_mm', hue='sex', 
    split=True, # 将两个 hue 不同的组分布合并为同一小提琴，便于对比分布形态
)
plt.show()

参考：sns.violinplot() 函数用法（split 参数）

3.5 条带图 & 蜂群图

条带图 (strip plot) 绘制所有数据点 (每点圆点是一个数据点) 并随机抖动 (同一数值下的点随机沿轴向抖动, 为了避免数据点重叠), 展示数据分布情况；蜂群图 (swarm plot) 自动排列重叠的数据点, 可读性更高。

注意：两者均展示单变量分布（某数据在各区间的密度），不同于展示两变量相关趋势的 scatter plot。

对比维度 strip plot（散点条带图） swarm plot（蜂群图）
基本概念 将数据点沿分类轴随机抖动（jitter）以避免重叠 通过算法精确排列点，避免重叠并展示分布
点的排列方式 随机抖动，可能仍有重叠 非随机，基于密度自动调整位置，完全避免重叠
可读性 数据量小时较清晰，数据量大时容易重叠 在中小规模数据中更清晰展示分布形状
计算复杂度 较低，绘制速度快 较高，数据量大时绘制较慢
适用场景 快速可视化、小数据集、对精确分布要求不高 展示数据分布细节、中等规模数据
分布表现能力 一般，难以体现真实密度 较强，可直观体现数据密度
参数控制 可通过 jitter 控制抖动程度 无需 jitter，由算法自动调整
示例函数 sns.stripplot() sns.swarmplot() 
sns.stripplot(data=df, x='flipper_length_mm', y='island', hue='sex')
plt.show()

sns.swarmplot(data=df, x='flipper_length_mm', y='island', hue='sex')
plt.show()

参考：
sns.stripplot() 函数
sns.swarmplot() 函数

相关链接合集

总体链接：
Python3 教程文档 (中文) (查看内置函数用法等)
Pandas库 教程文档 (DataFrame)
Matplotlib库 教程文档 (plt)
Seaborn库 教程文档 (barplot)

sns.barplot() 函数（用 Seaborn 绘制 柱状图）
sns.countplot() 函数 （用 Seaborn 绘制 计数图）

修改图表主题风格：
plt.xticks() 函数 （ kwargs (keyword argument) 栏目中写了如何旋转刻度标签）
sns.set() 函数 （同 sns.set_theme() 函数）
sns.set_theme() 函数 （设置 Seaborn 绘图的全局主题风格）
ax.set() 方法 （Matplotlib 中 对于特定图表 ax 设置标题、轴标签等元素的方法）

修改图例：
sns.move_legend() 函数 （Seaborn 中 移动图例的函数）（查看 obj参数 和 loc参数 的用法）
matplotlib.axes.Axes.legend() 函数 （Matplotlib 中 设置图例的函数，其指令也适用于 sns.move_legend()）（查看 loc参数 ，ncols参数 和 bbox_to_anchor参数 的用法）

修改图表颜色：
Seaborn sns.color_palette() 函数 （查看 palette参数 预设调色盘名称表）
Matplotlib 预命名颜色一览
Matplotlib Colormap 一览
Matplotlib Colormap 使用介绍
w3schools 颜色提取器 （查看任意颜色的十六进制代码）

其他图表：
sns.pointplot() 函数用法 （点线图画法）
sns.histplot() 函数用法 （频率分布直方图画法）（查看 hue参数 ，stat参数 和 common_norm参数 ）
sns.boxplot() 函数用法 （箱线图画法） (查看 fliersize参数 和 whis参数 )
sns.violinplot() 函数用法 （小提琴图画法）
sns.stripplot() 函数 （分布散点图画法）
sns.swarmplot() 函数 （分簇分布散点图画法）

教材书 Fundamentals of Data Visualization (Wilke, 2019) ：
6.1 Bar Plot (旋转的文字刻度不方便阅读，应当横过来排版)
17. The Principle of Proportional Ink （比例标记的原则：图形大小比例应当和数据真实的比例一样。e.g. 柱状图的柱子应当从 0 开始）

⇧ 返回页面顶部

回到顶部